TU Darmstadt / ULB / TUprints

Absatzerkennung bei autonomen mobilen Robotern

Bechtel, Peter ; Schatz, Andreas ; Dieterle, Lars ; Adamy, Jürgen (2021):
Absatzerkennung bei autonomen mobilen Robotern. (Publisher's Version)
In: at - Automatisierungstechnik, 51 (4), pp. 171-177. De Gruyter, ISSN 0178-2312, e-ISSN 2196-677X,
DOI: 10.26083/tuprints-00019111,
[Article]

[img]
Preview
Text
10.1524_auto.51.4.171.20913.pdf
Copyright Information: In Copyright.

Download (556kB) | Preview
Item Type: Article
Origin: Secondary publication service
Status: Publisher's Version
Title: Absatzerkennung bei autonomen mobilen Robotern
Language: German
Abstract:

In dieser Arbeit wird ein Absatzerkennungssystem für mobile Roboter vorgestellt, das die Gefahr des Absturzes an Absätzen ausschließt. Ausgehend von den allgemeinen Anforderungen wurde ein Sensorsystem, das auf einer Kombination von zwei Infrarotsensortypen basiert, und ein Fahralgorithmus zur Gefahrenvermeidung entwickelt. Die Methode ist weitgehend unabhängig vom Typ des radgetriebenen Roboters. Das System funktioniert ohne Vorwissen über das Aussehen der Absätze.

Alternative Abstract:
Alternative AbstractLanguage

This paper presents a step detection system for mobile robots. It is used to prevent the robot from falling down steps during navigation. Regarding the general requirements a sensor system consisting of two types of infrared sensors and a step avoiding strategy was developed. This method can be applied to almost all wheel-based mobile robots. The system was designed to work without prior knowledge about the structure of the steps.

English
Journal or Publication Title: at - Automatisierungstechnik
Volume of the journal: 51
Issue Number: 4
Publisher: De Gruyter
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau
Divisions: 18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik > Control Methods and Robotics (from 01.08.2022 renamed Control Methods and Intelligent Systems)
Date Deposited: 08 Jul 2021 12:21
Last Modified: 08 Jul 2021 12:22
DOI: 10.26083/tuprints-00019111
Corresponding Links:
URN: urn:nbn:de:tuda-tuprints-191111
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/19111
PPN:
Export:
Actions (login required)
View Item View Item