DE102005004155A1 - Positionsbestimmung mittels eines Funkortungssystems, insbesondere mittels LPR, trotz begrenztzeitigem Ausfall der Funkortungskomponenten - Google Patents

Positionsbestimmung mittels eines Funkortungssystems, insbesondere mittels LPR, trotz begrenztzeitigem Ausfall der Funkortungskomponenten Download PDF

Info

Publication number
DE102005004155A1
DE102005004155A1 DE102005004155A DE102005004155A DE102005004155A1 DE 102005004155 A1 DE102005004155 A1 DE 102005004155A1 DE 102005004155 A DE102005004155 A DE 102005004155A DE 102005004155 A DE102005004155 A DE 102005004155A DE 102005004155 A1 DE102005004155 A1 DE 102005004155A1
Authority
DE
Germany
Prior art keywords
sensor device
mobile object
relative
relative sensor
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102005004155A
Other languages
English (en)
Inventor
Mark Christmann
Dariusz Mastela
Leif Dr. Wiebking
Thomas Zander
Martin Dr. Soika
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Symeo GmbH
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE102005004155A priority Critical patent/DE102005004155A1/de
Priority to PCT/EP2005/056919 priority patent/WO2006079439A2/de
Publication of DE102005004155A1 publication Critical patent/DE102005004155A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257Hybrid positioning
    • G01S5/0258Hybrid positioning by combining or switching between measurements derived from different systems
    • G01S5/02585Hybrid positioning by combining or switching between measurements derived from different systems at least one of the measurements being a non-radio measurement

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Navigation (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

Die vorliegende Erfindung betrifft eine Anordnung zum Bestimmen der Position eines mobilen Objekts, insbesondere eines Tranportmittels, mit einem Funkortungssystem. DOLLAR A Die vorliegende Erfindung zeichnet sich dadurch aus, dass eine Basisstation und/oder das mobile Objekt mindestens eine Relativsensorikeinrichtung zur Ermittlung der relativen Position des mobilen Objekts zu einer bekannten Position des mobilen Objekts aufweist.

Description

  • Die vorliegende Erfindung betrifft eine Vorrichtung gemäß dem Oberbegriff des Hauptanspruchs und ein Verfahren gemäß dem Oberbegriff des Nebenanspruchs.
  • Im Bereich der Materialverfolgung und Logistik besteht ein großer Bedarf an Systemen, die in der Lage sind, die lokale Position von Transportmitteln, wie Kranen, Fahrzeugen, Trolleys, Hubwagen, Gabelstapler, AGV's (automated guided vehicles) während der Fahrt und im Stillstand zu bestimmen.
  • Eine derartige Positionsbestimmung kann allgemein mit einem Funkortungssystem und insbesondere mit dem in der Patentanmeldung mit dem Aktenzeichen DE 103 36 084.0 beschriebenen Local Positioning Radar (LPR) gelöst werden. In diesem Zusammenhang wurde Local Positioning Radar anhand einer transponderabhängigen Positionsbestimmung beschrieben.
  • Allerdings ist die herkömmlich verwendete Positionsbestimmung mittels Funkortung global sehr problematisch bis unmöglich, wenn aufgrund von zu schlechten Kanaleigenschaften keine Sichtverbindung der Basisstation mit den Transpondern möglich ist. Bei Ausfall des Funkkanals beziehungsweise bei Ausfall einer direkten Sichtverbindung ist keine ausreichende Positionsbestimmung mehr möglich.
  • Es ist Aufgabe der vorliegenden Erfindung eine Lösung anzugeben, mit deren Hilfe man die Genauigkeit der Positionierung mit LPR grundsätzlich verbessern kann. Ferner soll die Erfindung trotz eines Verbindungsausfalls eine Positionsbestimmung ausführen können.
  • Die Aufgabe wird durch eine Vorrichtung gemäß dem Hauptanspruch und ein Verfahren gemäß dem Nebenanspruch gelöst. Weitere vorteilhafte Ausgestaltungen finden sich in den Unteransprüchen.
  • Anordnung zum Bestimmen der Position eines mobilen Objekts, insbesondere eines Transportmittels, mit einem Funkortungssystem zur Erfassung einer bekannten Position des mobilen Objekts Gemäß dem Oberbegriff des Hauptanspruchs wird insbesondere ein Funkortungssystem bereit gestellt, das zu Messsignalen führt, welche die Amplitude und die Phase des übertragenen Signals in Abhängigkeit von der Signallaufzeit bzw. in Abhängigkeit von der Länge des Übertragungsweges darstellt, wie dies herkömmlich bei fast allen Radarsystemen der Fall ist. Es ist mit einem derartigen Funkortungssystem möglich eine, insbesondere absolute, Position des mobilen Objekts zu bestimmen. Damit kann eine Anordnung gemäß dem Oberbegriff des Hauptanspruchs ebenso als eine Absolutsensorikeinrichtung bezeichnet werden. Zusätzlich zu diesem Funkortungssystem ist eine Relativsensorikeinrichtung bereit gestellt, die als inertialsensorisch angesehen werden kann. Inertialsensorisch bedeutet, dass eine derartige Einrichtung Erfassungseinrichtungen aufweist, die von einem Anfangszustand ausgehend Messwerte ermittelt. Anfangszustand ist hier die bekannte, insbesondere absolute, Position des mobilen Objekts. Die Basisstation und/oder das mobile Objekt weist mindestens eine Relativsensorikeinrichtung zur Ermittlung der relativen Position des mobilen Objekts zu einer bekannten Position des mobilen Objekts auf. Die bekannte Position ist mittels der Absolutsensorikeinrichtung ermittelt worden. In einem ersten Fall bleibt die Absolutsensorikeinrichtung seit Erreichen oder ausgehend von der bekannten Position weiterhin funktionsfähig. Das heißt, alle notwendigen Sichtverbindungen bleiben seit der Ermittlung der bekannten Position erhalten. Es sollen mindestens drei Transponder-Basisstation- Sichtverbindungen zur Verfügung stehen. Auf diese Weise können die Positionswerte des mobilen Objekts einerseits direkt von der Absolutsensorik- und andererseits ausgehend von der bekannten Position des mobilen Objekts über die Relativsensorikeinrichtung ermittelt werden, so dass damit die Ergebnisse der Absolutsensorikeinrichtung durch die der Relativsensorikeinrichtung überwacht und gegebenenfalls verbessert werden können. In einem zweiten Fall fällt die Absolutsensorikeinrichtung nach Erreichen der bekannten Position aus. Das heißt, für eine Absolutsensorik notwendige Sichtverbindungen sind seit der Ermittlung der bekannten Position unterbrochen. Es stehen insbesondere weniger als drei Transponder-Basisstation-Sichtverbindungen zur Verfügung. Auf diese Weise können die neuen Positionswerte des mobilen Objekts nach Erreichen der bekannten Position nicht mehr von der Absolutsensorik ermittelt werden. Es kann aber ausgehend von der bekannten Position des mobilen Objekts mittels der Relativsensorikeinrichtung die neue tatsächliche Position des mobilen Objekts seit Erreichen der bekannten Position ermittelt werden. Damit ist eine Positionsbestimmung seit einem Ausfallen der Absolutsensorikeinrichtung mittels der Relativsensorikeinrichtung weiterhin möglich. Entsprechend der Anzahl von unterbrochenen Sichtverbindungen zwischen Basisstation und Transpondern können die Relativsensorikdaten stärker im Verhältnis zu den Absolutsensorikdaten gewichtet werden.
  • Als Funkortungssystem eignet sich insbesondere ein Radar zur Erfassung lokaler Positionen (Local Positioning Radar LPR).
  • Gemäß einer vorteilhaften Ausführungsform ist eine erste Relativsensorikeinrichtung zur Erfassung physikalischer Effekte, beispielsweise von Krafteinwirkungen oder eines Sagnac-Effekts, bereitgestellt. Auf diese Weise können Beschleunigungen und/oder Drehwinkel bzw. Orientierung des mobilen Objekts ausgehend von der bekannten Position erfasst werden. Es können auch Wegstrecken direkt und/oder Drehwinkelraten erfasst werden. Eine erste Relativsensorikeinrichtung kann ins besondere mikromechanische Systeme, beispielsweise kapazitive Beschleunigungsmesser oder piezoelektrische Winkelgeschwindigkeitsmesser aufweisen.
  • Durch entsprechendes mathematisches Integrieren der erfassten Beschleunigungen beziehungsweise der erfassten Drehwinkelraten können mittels einer Berechnungseinrichtung, insbesondere mittels eines Extended Kalman Filters EKF, ausgehend von der bekannten Position zurückgelegten Strecken und/oder überstrichene Drehwinkel des mobilen Objekts ermittelt werden.
  • Liegt kein ausreichender direkter Sichtkontakt vor und stellt die LPR Software fest, dass sie sich nicht mehr auf die Signale von drei Transpondern verlassen kann, so wird das Extended Kalman Filter (EKF) beginnen, die auf der neu integrierten Relativsensorikplatine enthaltenen Systeme stärker zu gewichten, so dass die Positionswerte mehr und mehr aufgrund von erfasster Beschleunigung und Drehwinkelrate, sowie gegebenenfalls von Magnetfeldsensoren kompensiert geschätzt werden. Die Beschleunigungssensorik kann relative Streckenberechnung anhand von doppelter Integration aus dem zweiten Newtonschen Axiom berechnen: F →s = ma → ⟺ s →(t) = ∫∫a →dtDiese Methode funktioniert prinzipiell für abschnittsweise stetig differenzierbare reelle Funktionen von a →. Da jedoch auf diese Weise nur die translatorische Komponente einer Bewegung im R3 erfasst werden kann, müssen Drehwinkelsensoren die Corioliskomponente der einwirkenden Kraft erfassen und daraus die Ausrichtung des Objekts im Raum (Rotation) berechnen:
    Figure 00040001
  • Auch diese Berechnung ist grundsätzlich für abschnittsweise stetig differenzierbare reelle Funktionen von ω → möglich. Eine alternative Methode zur Erfassung des Drehwinkels liegt in der Auswertung von Interferenz von kohärentem Licht mittels Sagnac-Effekts:
    Figure 00050001
  • Bei dieser Anordnung bzw. Methode muss wie bei Berechnung über die Corioliskraft die Winkelgeschwindigkeit einfach über die Zeit integriert werden, um den Drehwinkel des Messzeitraums zu erhalten.
  • Anhand dieser Anordnungen bzw. Methoden kann insbesondere die LPR Software ohne Informationen der Transponder die relative Position des zu beobachtenden Objekts in allen sechs Freiheitsgraden, die der R3 haben kann, bestimmen.
  • Sensoren, die anhand von Krafteinwirkung messen, sind in der Praxis normalerweise als mikromechanische Systeme ausgeführt, deren Wandlung der mechanisch angreifenden Kräfte in elektrisch zur Informationsverarbeitung geeignete Signale beispielsweise kapazitiv (Beschleunigungsmessung) oder durch Ausnutzung piezoelektrischer Effekte (Winkelgeschwindigkeitsmessung) erfolgt. In aller Regel sind Sensoren dieser Typen mit einer relativ großen Messunsicherheit behaftet, die von Fertigungstoleranzen und zusätzlichen Nebeneffekten von realen Systemen, zum Beispiel das PT2-Regelverhalten der trägen Masse im Beschleunigungssensor als Feder-Masse-Dämpfersystem, herrührt. Optische Laserkreisel oder Faserkreiselsysteme, die mit Hilfe des Sagnac-Effekts Winkelgeschwindigkeit bestimmen, sind von solchen Problemen deutlich weniger beeinflusst, so dass deren Genauigkeit und Driftverhalten und Größenordnungen besser ist. Allerdings ist bisher keine Beschleunigungsmesstechnik verfügbar, die ohne mechanische Komponenten auskommt. Daher muss man diese Messunsicherheiten mit Hilfe von intel ligenter Algorithmik weiter verarbeiten. Nachfolgend werden verschiedene Kompensationsmöglichkeiten angegeben.
  • Gemäß einer weiteren vorteilhaften Ausgestaltung erfasst eine Magnetfeldsensoreinrichtung den Vektor des Erdmagnetfelds im Bereich des mobilen Objekts zur Ermittlung der Orientierung des mobilen Objekts und zur Kompensation von Messfehlern der Relativsensorikeinrichtung. Die auf diese Weise ermittelten Orientierungswerte können mit den Drehwinkel- bzw. Orientierungswerten der Relativsensorikeinrichtungen zur Erhöhung der Messgenauigkeit verglichen werden. Eine fehlerhafte Erfassung des Erdmagnetfeldvektors kann ebenso mit einem Vergleich der Werte der Relativsensorikeinrichtungen erkannt werden. Die Daten der Magnetfeldsensoreinrichtung werden insbesondere in einen Präprozessor eingegeben.
  • Gemäß einer weiteren vorteilhaften Ausgestaltung ist ein Temperatursensor zur Kompensation von Temperaturdrifteffekten in einer ersten Relativsensorikeinrichtung ausgebildet. Zur Kompensation von allgemeinen Drifteffekten von Sensorsysteme wird auf Folgendes hingewiesen. Prinzipiell sind Sensoren nicht nur für die zu messende physikalische Größe empfindlich, sondern auch für Nebeneffekte, die in der Realität nicht vermeidbar sind. Dazu zählen insbesondere Alterungseffekte und Umweltbedingung wie Temperatur-, äußere Druckempfindlichkeit und Luftfeuchtigkeit. Die meisten dieser Effekte (zum Beispiel Luftdruck und Luftfeuchte) sind innerhalb der Betriebsgrenzen, für die diese Systeme spezifiziert worden sind, unkritisch und haben keinen spürbaren Einfluss auf die Messwerte. Allerdings hat insbesondere Temperaturdrift einen signifikanten Einfluss. Dieser Einfluss ist jedoch nicht chaotisch, sondern besitzt eine fast lineare Kennlinie, so dass man mit der Erstellung eines genauen Modells anhand von Referenzmessungen mit den üblichen Methoden der Kennfeldinterpolation grundsätzlich Temperaturdrifteffekte kompensieren kann. Dazu bedarf es lediglich eines zusätzlichen Temperatursensors, um eine entsprechende Korrektur numerisch durchfüh ren zu können. Solche Sensoren sind problemlos in ausreichender Genauigkeit erhältlich.
  • Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung aus einem Sensormodelle beinhaltenden und/oder die Daten des Temperatursensors berücksichtigenden Präprozessor zur Kompensation von systematischen Messfehlern der Daten der ersten Relativsensorikeinrichtung, wobei anhand der Daten aus einer vorangegangenen Positionsermittlung und dem Vergleich mit vergangenen Messwerten ähnlichen Charakters ein Maß für die Wahrscheinlichkeit einer korrekten Messung der ersten Relativsensorikeinrichtung berechnet wird. Sensormodelle sind mathematische Beschreibungen der Sensoren, wie z.B. eines Beschleunigungssensors oder eines Drehwinkelsensors.
  • Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung zusätzlich aus eine die Daten aus dem Präprozessor verarbeitende Schätzeinrichtung zur Kompensation von Messfehlern der ersten Relativsensorikeinrichtung, insbesondere mittels varianzgewichtetem Mittelwertbilden und/oder selbstregulierendem Ausmitteln von kleinen Messwertbeträgen und/oder varianzgewichtetem Downsampling von Messdaten. Varianzgewichte Mittelwertbildung der Daten von mehreren Sensoren verbessert die Standardabweichung der normal verteilten Sensormesswerte um mindestens √n beim Einsatz von n Sensoren. Darüber hinaus können aufgrund der Kenntnisse über die Varianzen der n Sensoren relativ zueinander mit hoher Wahrscheinlichkeit
    Figure 00070001
    defekte Sensoren innerhalb des Netzes erkannt und für zukünftige Messungen ausgeschlossen werden. Mit der „floor"-Operation bleiben die Werte nach dem Komma unberücksichtigt. Zur selbstregulierenden Ausmittelung von kleinen Messwertbeträgen wird Folgendes ausgeführt. Für eine ungefähr normal verteilte, diskrete Messwertvariable X, wie sie hier nach der Quantisierung durch den A/D-Wandler vorliegt, ist es sehr wahrscheinlich, dass ein gemessener Wert x ^ auch tatsächlich ungefähr den Wert x ^0 darstellt, es ist allerdings mit einer geringeren Wahrscheinlichkeit ebenfalls möglich, dass es sich um einen Wert in der Nähe, beispielsweise x ^1, x ^2, usw. handelt. Für Messwerte, die sich im Vergleich zum vorherigen Messwert unterhalb der praktischen Grenze des Auflösungsvermögens des Sensorsystems befinden, wird daher der entsprechende Wert nur mit einer der Verteilungsfunktion entsprechenden Wahrscheinlichkeit akzeptiert. Deshalb ist es bei längerer Messdauer zunehmend wahrscheinlich, dass sich der Gesamtmessfehler um stationäre Zustände (Messwert konstant, Messwert gleich Null) auf Null ausmittelt. Zum varianzgewichteten Downsampling von Messdaten wird Folgendes ausgeführt. Das Extended Kalman Filter EKF insbesondere des LPR Systems nimmt Aktualisierungen seiner Zustandsmaschine nur in bestimmten diskreten Zeitabständen ΔtL vor. Diese Zeitspanne wird in erster Linie von der Anzahl der zu berechnenden Operationen und der Leistungsfähigkeit der Signalverarbeitungseinheiten bestimmt. Da die Signal verarbeitende Logik für das Digitalisieren der Sensordaten mathematisch signifikant weniger belastet wird, sind hier weitaus kürzere Zeitabstände für das Bestimmen der Position anhand von Relativsensorikdaten möglich, das heißt
    Figure 00080001
    Das Symbol "SF" in der Formel bildet einen konstanten sampling factor, der angibt, um wie viel fach schneller die Relativsensorik ihre Messungen liefern könnte. Da jedoch die Positionsberechnung insgesamt nur auf der Basis der langsamsten Komponente stattfinden kann, kann das EKF keine Zwischenzustände zwischen den ΔtL verarbeiten. Es bietet sich daher an, jeweils SF Messpunkte der Relativsensorik zusammenzufassen, diese Punkte varianzgewichtet zu mitteln, und den resultierenden gemittelten Wert in das EKF zur Berechnung des nächsten Systemzustands zu übergeben. Diese Methode ist eine Möglichkeit, trotz des Downsamplings den zentralen Grenzwert der Wahrscheinlichkeitstheorie für dieses System gültig zu halten. Diese Konvergenz ist nötig für den Einsatz einer Zufallsvariablen mit einem Kalmanfilter.
  • Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung zusätzlich aus einem die Daten aus der Schätzeinrichtung verarbeitenden Postprozessor zur Berechnung der Wahrscheinlichkeit für einen stationären Zustand. Zur Detektion von stationären Zuständen der Messsysteme wird Folgendes ausgeführt. Alle messtechnischen Systeme, die nicht auf der Ausnutzung quantenphysikalischer Effekte beruhen, haben die Eigenschaft, dass Messwerte praktisch nie über längere Zeiträume stationäre Werte annehmen. Stattdessen schwankt ein Messwert immer um einen gewissen Mittelwert, der im Regelfall für eine unendlich lange Messung und Mitteilung die zu messende Größe darstellt. In der Praxis kann nicht ausreichend lange gemessen werden, um diesen potentiellen Fehler auszumitteln; der Hauptgrund ist in aller Regel, dass die zu messende Größe selbst nicht lange genug auf diesem stationären Wert verharrt. Gerade um die Doppelintegration einer Beschleunigung in den zurückgelegten Weg durchzuführen (s. o.) ist jedoch die Erkennung dieser Stationarität elementar. Da das perfekte Erkennen eines solchen Zustands unmöglich ist, ist das Ziel, die Wahrscheinlichkeit einer Erkennung so weit als möglich zu erhöhen. Dazu wird die Wahrscheinlichkeitsdichte der Verteilung der Messdaten in Referenzmessungen bestimmt. In praktisch sämtlichen relevanten Fällen entspricht das einer Normalverteilung mit den charakteristischen Größen σ2 (Varianz) und μ (Mittelwert). Das entspricht der Kernaussage des zentralen Grenzwertsatzes der Wahrscheinlichkeitstheorie. Ferner können gewisse Aussagen zur Empfindlichkeit und Bandbreite der Systeme gemacht werden, anhand derer primär entschieden werden kann, ob ein bestimmter Messwert überhaupt möglich ist. Erhält man über mehrere Messungen Werte, deren Betrag der Abweichung von den umgebenden Messwerten deutlich unterhalb der bekannten Empfindlichkeit liegt, so handelt es sich höchstwahrscheinlich um das Rauschen des Messkanals. Ist der Sprung von einem Messwert zum nächsten nur durch ein Signal einer Frequenz erklärbar, die außerhalb der Bandbreite des Sensors ist, handelt es sich wahrscheinlich um ein fehlerhaftes Sample. Gemeinsam mit dem Wissen um die Wahrscheinlichkeitsverteilung des Grundrauschens kann somit für jeden Messwert die Wahrscheinlichkeit der Stationarität berechnet werden, anhand der entschieden wird, ob ein Messwert akzeptiert werden kann oder nicht. Diese Methodik erhöht die Wahrscheinlichkeit erhöht die Wahrscheinlichkeit für die Detektion eines stationären Zustands signifikant. In einem weiteren Schritt kann hier sogar mit Hilfe der Referenzpositionsdaten des LPR ein Maß dafür berechnet werden, inwiefern ein bestimmter – nach diesem Verfahren ermittelter – Wert tendenziell richtig war. Dieser Wert wiederum bildet die Grundlage eines lernenden Systems, das sich durch die Klassifizierung der Daten anhand eines Bayes-Filters im Laufe der Betriebszeit selbst verbessern kann.
  • Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung zusätzlich aus dem vorstehend genannten Bayes-Filter zur Verarbeitung der Ergebnisse des Postprozessors und zum Vergleich des aktuellen Datensatzes mit älteren Positionswerten des Extended Kalman Filters EKF.
  • Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung alternativ oder kumulativ zur ersten Relativsensorikeinrichtung aus einer als zweite Relativsensorikeinrichtung dienenden Konturenerfassungs- und Verarbeitungseinrichtung, und/oder aus einer als dritte Relativsensorikeinrichtung dienenden optischen Bilderfassungs- und Verarbeitungseinrichtung. Zur Konturendetektion und -observation wird Folgendes ausgeführt. Diese Methode, bei der üblicherweise Laserscanner zum Einsatz kommen, erkennt charakteristische Merkmale ihrer Umgebung und erzeugt anhand dieser Merkmale eine "virtuelle Karte" der Umgebung. Nach jedem Frame, der gescannt wird, kann durch Vergleiche mit der "Karte" die relative Position seit Aufzeichnung des vorherigen Frames berechnet werden. Zur optischen Bildverarbeitung wird Folgendes ausgeführt. Mittels Kamera und Framegrabber-Devices werden in kurzen Zeitabständen Schnappschüsse der Umgebung aufgenommen. Typische Algorithmen der Bildverarbeitung kommen zum Einsatz, um zusammenhängende Objekte zu identifizieren (Kantensuchalgorithmen, Varianzen der Verteilung von Farbwerten, ...). Anhand der relativen Größe der Objekte auf den einzelnen Frames und deren Position kann die relative Position geschätzt werden.
  • Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung aus einem Kalman-Präprozessor zur Überwachung der Daten von dem Postprozessor der ersten Relativsensorikeinrichtung und/oder von den weiteren Relativsensorikeinrichtungen hinsichtlich definierter Ereignisse. Dies kann zum Beispiel der Totalausfall einer Relativsensorikeinrichung sein. Der Kalman-Präprozessor muss aufgrund der Daten der Messsysteme nach speziellen Situationen wie zum Beispiel Totalausfall einer Messkomponente suchen (übermäßig großes σ der Verteilungsdichte einer Komponente im Vergleich zu anderen, stationäre Messwerte über sehr lange Zeitdauer im Gegensatz zu den Messwerten anderer Komponenten, ...) und gibt diese Daten zusammen mit den eigentlichen Messdaten an das Extended Kalman Filter (EKF) selbst weiter.
  • Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung aus dem die Daten des Kalman-Präprozessors verarbeitenden Extended Kalman Filter EKF zur endgültigen Ermittlung der relativen Position.
  • Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung aus einer Zuführung des relativen Positionswertes zu einer Endnutzerapplikation und/oder zum Bayes-Filter und zur Initialisierung des Präprozessors.
  • Damit ist es möglich, das Verhältnis von Funkortungssystem bzw. LPR zu der ersten Relativsensorikplattform als geschlossenen Regelkreis zu interpretieren. Zum Interpretieren der ersten Relativsensorikplattform – das heißt erste Relativsensorikeinrichtung und Präprozessor, Schätzeinrichtung, Postprozessor und Bayes-Filter – sowie Funkortungssystem bzw.
  • LPR-Transpondersystemen als geschlossener Regelkreis wird Folgendes ausgeführt. Durch die Bereitstellung von relativen Positionsinformationen in den sechs Freiheitsgraden des R3 übergibt die Relativsensorikplattform Daten an das Extended Kalman Filter EKF des LPR Systems. Gleichzeitig kann aber aus den Zustandsberechnungen des Extended Kalman Filter EKF eine Rückmeldung der berechneten Positionsinformationen an die Signalverarbeitungslogik der Relativsensorikplattform erfolgen. Auf diese Weise ist es möglich, die Relativsensorikplattform prinzipiell immer dann während der Positionsschätzung gegen die Referenzposition der Transponder zu kalibrieren. So kann immer dann ein Maß für die Genauigkeit der Relativsensorikplattform berechnet werden, wenn Kontakt zu den Referenztranspondern besteht, und gleichzeitig kann die Genauigkeit der Positionsschätzung für das Extended Kalman Filter EKF erhöht werden, da nun Informationen über die Beschleunigung und Winkelgeschwindigkeit vorliegen.
  • Gemäß weiteren Ausgestaltungen werden ebenso die den jeweiligen Anordnungen entsprechenden Verfahren mit den dazugehörigen Verfahrensschritten beansprucht.
  • Gemäß einer vorteilhaften Ausgestaltung erfolgt mittels einer Berechnungseinrichtung, insbesondere mittels des Extended Kalman Filters EKF, ein mathematisches Integrieren mittels adaptiven Filterns einer Zeitbasis innerhalb eines Ruhelagerauschens zur Kompensation von Messfehlern. Damit sollen insbesondere Messfehler beim zweimaligen Integrieren über die Zeit verringert werden. Zur adaptive Filterung der Zeitbasis innerhalb des Ruhelagenrauschens wird Folgendes ausgeführt. Gerade die doppelte Integration, die für die Berechnung einer Strecke aus der Beschleunigung (siehe weiter vorstehend im Text) erfolgt, ist mathematisch betrachtet sehr empfindlich, da der Integrationsoperator weder zeitinvariant noch linear ist. Das bedeutet, dass kleine Messfehler einen übermäßig großen Effekt auf das Gesamtergebnis der Integration haben können, wenn über eine längere Zeitdauer integriert wird.
  • Deswegen werden intern zwei Zeitbasen benutzt: Eine kontinuierliche, die konstant mit jedem neuen Sample um eine Abtasteinheit erhöht wird. Sie bildet eine Referenz-Echtzeituhr, die sich mit der Zeitbasis der Basisstation synchronisieren lässt und wird für die Messung der Zeitdauer benutzt, in der keine Referenzpositionsinformationen durch die Transponder stattfinden kann. Eine weitere lokale Zeitbasis dient als Integrationsvariable für die Doppelintegration. Sie wird immer dann auf Null zurückgesetzt, sobald ein stationärer Nullzustand der Beschleunigung (a → ≡ 0) detektiert wurde, da ein solcher Zustand ein grundsätzlicher Indikator für das Ende eines Abschnitts ist, in dem die Beschleunigungsfunktion stetig differenzierbar war. Im Folgenden handelt es sich deshalb um eine neue Beschleunigungsfunktion, die entsprechend mit einem "relativen" t0 = 0 als untere Grenze der Integrationsoperation beginnt.
  • Gemäß einer vorteilhaften Ausgestaltung erfolgt bei den beanspruchten Anordnungen insbesondere ein mittels einer die Ergebnisse eines Präprozessor weiterverarbeitenden Schätzeinrichtung erfolgendem varianzgewichtetem Mittelwertbildens von Messdaten und/oder selbstregulierendem Ausmittelns von kleinen Messwertbeträgen und/oder varianzgewichtetem Downsampling von Messdaten, und insbesondere ein mittels eines die Ergebnisse der Schätzeinrichtung weiterverarbeitenden Postprozessors erfolgenden Erfassens von stationären Zuständen, jeweils zum Kompensieren von Messfehlern der ersten Relativsensorikeinrichtung.
  • Gemäß einer vorteilhaften Ausgestaltung erfolgt mittels einer alternativen oder kumulativen zweiten Relativsensorikeinrichtung ein Erfassen von Konturen der Umgebung des mobilen Objekts, ein darauf beruhendes Erzeugen mindestens einer virtuellen Karte der Umgebung, und ein Vergleichen der virtuellen Karte zum Zeitpunkt des Unterbrechens mit der virtuellen Karte der relativen Position.
  • Gemäß einer vorteilhaften Ausgestaltung erfolgt ein Erfassen von Konturen mittels eines Laserscanners.
  • Gemäß einer vorteilhaften Ausgestaltung erfolgt mittels einer alternativen oder kumulativen dritten Relativsensorikeinrichtung ein Photographieren der Umgebung des mobilen Objekts, ein mittels Bildverarbeitung erfolgendes Identifizierens von zusammenhängenden Objekten, und ein Vergleichen der Größe und Lage der Objekte auf den jeweiligen Photographien.
  • Gemäß einer vorteilhaften Ausgestaltung erfolgt das Identifizieren mittels Kantensuchalgorithmen und/oder Varianzen der Verteilung von Farbwerten.
  • Gemäß einer vorteilhaften Ausgestaltung erfolgt das Photographieren in kurzen Zeitabständen, insbesondere im 0,5 Sekunden- bis 1 Minutentakt. Die Zeitabstände können in Abhängigkeit von der Durchschnittsgeschwindigkeit des mobilen Objekts optimiert sein. Das heißt je größer diese ist, umso höher sollte die Photographierhäufigkeit pro Zeiteinheit sein.
  • Alle in dieser Anmeldung beschriebenen Verfahren zur Messfehlerminimierung sind grundsätzlich auf alle Relativsensorikeinrichtungen anwendbar.
  • Die entscheidenden grundlegenden Eigenschaften und Vorteile des erfindungsgemäßen Systems bestehen darin, dass
    • a) eine zusätzliche Platine, bestückt mit inertialsensorischen Komponenten und angemessenen Signalverarbeitungseinrichtungen, in die Basisstation/auf dem zu verfolgenden Objekt integriert wird,
    • b) eine effiziente und geschwindigkeitsoptimierte Algorithmik mit Hilfe der Inertialsensorik sowohl auf Vorwissen basierend als auch Methoden der Wahrscheinlichkeitstheorie gebrauchend die Position des Objekts abschätzt,
    • c) gemeinsam mit der Extended Kalman Filter (EKF) Algorithmik der Funkortungskomponenten des LPR die Position des Objekts adaptiv berechnet wird,
    • d) durch Kenntnis des gegenwärtigen Beschleunigungsvektors (mit Hilfe der Inertialsensorik) eine weitere physikalische Messgröße für das Extended Kalman Filter (EKF) vorliegt, die im bisherigen Bewegungsmodell prinzipbedingt nur geschätzt werde konnte. Diese Maßnahme erhöht die effektive Modellordnung des Extended Kalman Filter (EKF).
    • e) das System nunmehr in Situationen eingesetzt werden kann, die vorher undenkbar waren, wie zum Beispiel elektromagnetisch partiell kontaminiertes Umfeld, schlechte Transponderposition, temporär verdeckte Bereiche usw..
  • Die wesentlichen praktischen Vorteile der in der Anmeldung beschriebenen technischen Merkmale sind Folgende:
    • – Der Einsatz eines Funkortungssystems, insbesondere eines Local Positioning Radar (LPR) Systems, wird für begrenzte Zeitdauer unabhängig von Transpondern als Referenzbaken ermöglicht.
    • – Die Genauigkeit des Systems insgesamt wird verbessert.
    • – Der Einsatz in partiell elektromagnetisch kontaminierten Umgebungen ist einfacher ausführbar.
    • – Die Ausrichtung des Objekts im Raum ist mir nur einer Basisstation erfassbar.
  • Die Erfindung wird nachfolgend anhand von Ausführungsbeispielen in Verbindung mit den Figuren näher beschrieben. Es zeigen:
  • 1 ein Ausführungsbeispiel zur herkömmlichen Positionsbestimmung mittels Funkortung insbesondere mittels LPR;
  • 2 ein weiteres Ausführungsbeispiel zur herkömmlichen Positionsbestimmung mittels Funkortung, insbesondere mittels LPR;
  • 3 ein Ausführungsbeispiel zur Bestimmung der relativen Position eines Objekts;
  • 4 eine Darstellung von Scan-Messwerten zu diesem Ausführungsbeispiel;
  • 5 eine weitere Darstellung zu diesem Ausführungsbeispiel;
  • 6 ein Blockschaltbild eines Ausführungsbeispiels einer Vorrichtung zur Positionsbestimmung.
  • Wie in 1 dargestellt, werden beim Local Positioning Radar zwischen einer beweglichen Basisstation und mindestens drei am Rand montierten festen Transpondern jeweils die Entfernungen gemessen und daraus die kartesischen Koordinaten der Basisstation berechnet (vgl. Patentanmeldung DE 103 36 084.0). Die genaue Positionsbestimmung über die Mikrowellenradarmessung kann nur dann erfolgen, wenn direkte Sichtlinie zu mindestens drei Transpondern gegeben ist.
  • Eine Anordnung, die sich beispielsweise durch die 2 ergibt, lässt keine genaue zweidimensionale Positionsbestimmung mittels der bisher angewandten LPR Technik zu: Nur der Transponder mit dem Index n-1 hat direkte Sichtlinie zur Basisstation, sämtliche anderen Transponder sind durch die Wände der Regallager (Lager 1 und Lager 2 in der 2) abgeschirmt und daher nur indirekt über Mehrwegeeffekte erreichbar, das heißt die gewonnenen Entfernungswerte unbrauchbar. Beim Versuch, über eine solche Anordnung die Position zu berechnen, treten im Gleichungssystem zu viele freie Parameter auf. Es ist unterbestimmt, da die genauen (Mehr)längen der Reflexionsstrecken nicht bekannt sind und somit ist es nicht mehr möglich, eine Positionsberechnung durchzuführen. In der Realität ist die Positionsberechnung praktisch chaotisch. Vergleichbare Probleme treten beim Satellitenortungssystem GPS auf, wenn kein direkter Sichtkontakt zu mindestens vier Satelliten besteht.
  • Außer der Relativsensorik bzw. der Messung physikalischer Effekte (Krafteinwirkung, Sagnac-Effekt, ...) sind noch einige weitere Methoden geeignet, die relative Position eines Objekts zu bestimmen und die insbesondere in Verbindung mit LPR Anwendung finden können.
  • Als Ausführungsbeispiel wird das Verfahren der Konturendetektion und -observation einer zweiten Relativsensorikeinrichtung 8 in Verbindung mit den 3, 4 und 5 näher beschrieben. Diese Methode, bei der üblicherweise Laserscanner zum Einsatz kommen, erkennt charakteristische Merkmale ihrer Umgebung und erzeugt anhand dieser Merkmale eine "virtuelle Karte" der Umgebung. Nach jedem Frame, der gescannt wird, kann durch Vergleiche mit der "Karte" die relative Position seit Aufzeichnung des vorherigen Frames berechnet werden. In 3 ist beispielhaft ein Ausführungsbeispiel gegeben. Die Basisstation mit montiertem Laserscanner (schwarzes Quadrat) wird durch einen Korridor von Position 1 nach Position 2 bewegt (Position 1 ist im rechten Bild durch das ungefüllte Quadrat angedeutet). Der Laserscanner misst die Laufzeit des Signals über den Winkel und anhand dessen wird die relative eigene Position berechnet unter der Annahme, dass die bauliche Situation über die Messdauer konstant bleibt. In 4 ist die Tendenz dieser Messwerte aufgetragen. In diesem Fall kann anhand des Charakters der Messungen bestimmt werden, dass die Basisstation auf Position 1 und Position 2 dieselbe Ausrichtung relativ zum umgebenden Bezugssystem hat. Diese Aussage kann mathematisch dadurch gewonnen werden, dass in beiden Messungen die lokalen Extrema der Messkurve beim gleichen Winkel auftreten: φ = 0 ⟺ φP1 = φP2. Wäre das nicht der Fall, so könnte man anhand der Differenz der gemessenen Winkel, an denen die Extrempunkte auftreten, die neue Orientierung berechnen. Die kartesische Position kann wiederum über die Laufzeitmessung der Signale stattfinden. In 4 sieht man diese Wirkungsweise beispielsweise an den Messwerten bei 0° und 180° sehr gut.
  • In 5 wird die Softwarearchitektur zur Fusion von Laserrelativmessung und LPR Absolutmessung gezeigt. Der Prozess Extended Kalman Filter EKF Local Positioning Radar LPR nutzt Distanzen- und Positions-Prädiktion (Voraussagen) zur Schätzung der aktuellen Absolutposition, wobei der Prozess der Fusion die Positionsprädiktion und Local Positioning Radar (LPR) die zu Transpondern gemessenen Distanzen liefert. Das Ergebnis wird dann an den Prozess Fusion gesendet. Sollte von Fusion kein Update zur Verfügung stehen, so führt Extended Kalman Filter (EKF) Local Positioning Radar (LPR) eine Initialisierung der Absolutposition auf der Basis der von Local Positioning Radar (LPR) gelieferten Werte durch.
  • Der Prozess Scan Match berechnet die Relativbewegung aus aufeinander folgenden Laserscans. Fusion liefert an Scan Match ebenfalls die Positionsprädiktion für den Zeitpunkt der Relativmessung. Scanmatch verbessert dann die Prädiktion durch seine Relativdaten mittels eines Kalmanfilters und liefert das Ergebnis der Fusion zurück.
  • Der Prozess Fusion berechnet jeweils die von Extended Kalman Filter (EKF) Local Positioning Radar (LPR) und Scan Match angeforderten Positionsprädiktionen für den jeweiligen Zeitpunkt der Messung. Die Berechnung der Prädiktion für einen gegebenen Zeitpunkt wird aus der Historie von Zustandsvektoren und Kovarianzmatritzen, sowie einem Kinematischen Modell, mittels eines Kalmanfilters durchgeführt. Weiterhin gibt Fusion eine Prädiktion (Voraussage) des Zustandsvektors (/der Position) zum aktuellen Zeitpunkt an den Systembenutzer aus.
  • Die vollständige Anordnung bzw. das komplette Funktionsprinzip ist in Verbindung mit 6 dargestellt. Das Radar-LPR auf Transponderbasis ist mit Sicherheit – wenn verfügbar – die präziseste Komponente des Systems, deshalb ist sie dicker umrandet, was den Referenzcharakter andeutet. Die unpräzises te Methode – basierend auf optischer Bilderkennung – ist gestrichelt dargestellt, weil sie alleine auf keinen Fall zur genauen Positionsmessung ausreichend würde und daher nur stützenden Charakter haben kann.
  • Die Algorithmik der Relativsensorikkomponenten wird als halb offener Regelkreis ausgeführt, das ist gestrichelt angedeutet. Die dicker ausgeführten Pfeile bedeuten hierbei, dass nicht nur eine fusionierte Größe zum nächsten Modul weitergeleitet wird, sondern die Eingangsgrößen stets ebenfalls vorliegen, die nur um eine zusätzliche berechnete Information erweitert wurden. Das ist notwendig, da aus der Signaltheorie bekannt ist, dass eine zwanghafte Diskretisierung von Größen grundsätzlich zu einer Verschlechterung des Gesamtergebnisses führt, wenn dieser Vorgang zu früh in der Verarbeitungskette vorgenommen wird.
  • Ein kompletter Ablauf des Systems lässt sich wie folgt charakterisieren:
    • – Die Komponenten Transponder-LPR, Kantenerkennung und Bilderkennung liefern ihre Daten in jedem Zyklus direkt an den Präprozessor 10 für das Kalmanfilter 2, da sie ohne eigenen Präprozessor 4 auskommen.
    • – Die Daten der Relativsensorikkomponenten (Beschleunigung, Winkelgeschwindigkeit, Magnetfeld, ...) werden anhand der Sensormodelle, die der Präprozessor 4 beinhaltet, und der Daten eines Temperatursensors 3, und insbesondere eines Magnetfeldsensors 12, auf ihre systematischen Fehler korrigiert. Anhand der Daten aus der letzten Positionsschätzung und dem Vergleich mit vergangenen Messwerten ähnlichen Charakters wird ein Maß für die Wahrscheinlichkeit einer korrekten Messung berechnet.
    • – Dieser ganze Datensatz wird in einer Schätzeinrichtung 5 für die Relativsensorikkomponenten verarbeitet. Hier werden zum Beispiel varianzgewichtetes Downsampling (vorstehend beschrieben) und Mitteilung von (ersten) Relativsensorikeinrichtungs 1- bzw. Relativsensorarray-Messwerten durchgeführt.
    • – Im Postprozessor 6 wird anhand dieser Berechnungen die Wahrscheinlichkeit für einen stationären Zustand berechnet. Die Ergebnisse sowie der korrespondierende Datensatz werden zu einem Bayes-Filter 7 weitergeleitet, das im letzten Schritt zusammen mit den später ankommenden Positionsschätzungen des endgültigen Extended Kalman Filter (EKF 2) hinsichtlich der Vereinbarkeit der Sensordaten mit den Extended Kalman Filter (EKF 2)-Daten trainiert wird um so in Zukunft mit höherer Wahrscheinlichkeit den Charakter der Relativsensorikmessungen richtiger zu bewerten.
    • – Der Kalman-Präprozessor 10 muss aufgrund der Daten der Messsysteme nach speziellen Situationen wie zum Beispiel Totalausfall einer Messkomponente suchen (übermäßig großes σ der Verteilungsdichte einer Komponente im Vergleich zu anderen, stationäre Messwerte über sehr lange Zeitdauer im Gegensatz zu den Messwerten anderer Komponenten, ...) und gibt diese Daten zusammen mit den eigentlichen Messdaten an das Extended Kalman Filter (EKF 2) selbst weiter.
    • – Das Extended Kalman Filter (EKF 2) führt die endgültige Positionsschätzung durch und gibt den Wert sowohl an die geforderte Endnutzerapplikation 11 als auch an die Relativsensorikplattform, die sie zum Training des Bayes-Filters 7 und zur Initialisierung des Präprozessors 4 benötigt, weiter.
    • – Der Zyklus beginnt von neuem.

Claims (27)

  1. Anordnung zum Bestimmen der Position eines mobilen Objekts, insbesondere eines Transportmittels, mit einem Funkortungssystem, dadurch gekennzeichnet, dass eine Basisstation und/oder das mobile Objekt mindestens eine Relativsensorikeinrichtung zur Ermittlung der relativen Position des mobilen Objekts zu einer bekannten Position des mobilen Objekts aufweist.
  2. Anordnung nach Anspruch 1, gekennzeichnet durch – die Basisstation zum Aussenden eines Basissignals und/oder Empfangen von Transpondersignalen, – eine Vielzahl von Transpondern zum Empfang des Basissignals und zum Aussenden von Transpondersignalen, – Mittel zum Bestimmen der Position des mobilen Objekts unter Berücksichtigung der Transpondersignale, wobei – die Basisstation am mobilen Objekt angeordnet ist, – die Position der Transponder im Raum bekannt ist.
  3. Anordnung nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass eine erste Relativsensorikeinrichtung (1) Wegstrecken und/oder Beschleunigungen und/oder Drehwinkel bzw. Orientierung und/oder Drehwinkelraten des mobilen Objekts ausgehend von der bekannten Position erfasst.
  4. Anordnung nach Anspruch 3, dadurch gekennzeichnet, dass eine Berechnungseinrichtung, insbesondere ein Extended Kalman Filter (EKF (2)), zurückgelegte Wegstrecken und/oder überstrichene Drehwinkel des mobilen Objekts ausgehend von den erfassten Beschleunigungen und/oder Drehwinkelraten ermittelt.
  5. Anordnung nach einem oder mehreren der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass eine Magnetfeldsensoreinrichtung (12) den Vektor des Erdmagnetfelds im Bereich des mobilen Objekts zur Ermittlung der Orientierung des mobilen Objektes und zur Kompensation von Messfehlern der Relativsensorikeinrichtung erfasst.
  6. Anordnung nach einem oder mehreren der Ansprüche 1 bis 5, gekennzeichnet durch einen Temperatursensor (3) zur Kompensation von Temperaturdrifteffekten in einer ersten Relativsensorikeinrichtung (1).
  7. Anordnung nach Anspruch 6, gekennzeichnet durch einen Sensormodelle beinhaltenden und die Daten der Magnetfeldsensoreinrichtung (12) und/oder des Temperatursensors (3) und der ersten Relativsensorikeinrichtung (1) berücksichtigenden Präprozessor (4) zur Kompensation von systematischen Messfehlern der Daten der ersten Relativsensorikeinrichtung (1), wobei anhand der Daten aus vorangegangenen Positionsermittlungen und dem Vergleich mit vergangenen Messwerten ähnlichen Charakters ein Maß für die Wahrscheinlichkeit einer korrekten Messung der ersten Relativsensorikeinrichtung (1) berechnet wird.
  8. Anordnung nach Anspruch 7, gekennzeichnet durch eine die Daten aus dem Präprozessor (4) verarbeitende Schätzeinrichtung (5) zur Kompensation von Messfehlern der ersten Relativsensorikeinrichtung (1), insbesondere mittels – Mittelwertbilden, insbesondere varianzgewichtetem Mittelwertbilden und/oder – selbstregulierendem Ausmitteln von kleinen Messwertbeträgen und/oder – Downsampling, insbesondere varianzgewichtetem Downsampling von Messdaten.
  9. Anordnung nach Anspruch 8, gekennzeichnet durch einen die Daten aus der Schätzeinrichtung (5) verarbeitenden Postprozessor (6) zur Berechnung der Wahrscheinlichkeit für einen stationären Zustand.
  10. Anordnung nach Anspruch 9, gekennzeichnet durch ein Bayes-Filter (7) zur Verarbeitung der Ergebnisse des Postprozessors (6) und zum Vergleich des aktuellen Datensatzes mit älteren Positionswerten eines Extended Kalman Filters (EKF (2)).
  11. Anordnung nach einem oder mehreren der Ansprüche 2 bis 10, dadurch gekennzeichnet, dass alternativ oder kumulativ zur ersten Relativsensorikeinrichtung (1) als zweite Relativsensorikeinrichtung eine Konturenerfassungs- und Verarbeitungseinrichtung (8), und/oder als dritte Relativsensorikeinrichtung eine optische Bilderfassungs- und Verarbeitungseinrichtung (9) bereitgestellt ist/sind.
  12. Anordnung nach Anspruch 9, 10 oder 11, gekennzeichnet durch einen Kalman-Präprozessor (10) zur Überwachung der Daten von dem Postprozessor (6) der ersten Relativsensorikeinrichtung (1) und/oder von den weiteren Relativsensorikeinrichtungen (8, 9) hinsichtlich definierter Ereignisse.
  13. Anordnung nach Anspruch 12, gekennzeichnet durch das die Daten des Kalman-Präprozessors (10) verarbeitende Extended Kalman Filter (EKF (2)) zur endgültigen Ermittlung der relativen Position.
  14. Anordnung nach Anspruch 13, gekennzeichnet durch eine Zuführung des relativen Positionswertes zu einer Endnutzerapplikation (11) und/oder zum Bayes-Filter (7) und zur Initialisierung des Präprozessors (4).
  15. Verfahren zum Bestimmen der Position eines mobilen Objekts, insbesondere eines Transportmittels, mittels eines Funkortungssystems, gekennzeichnet durch mittels mindestens einer Relativsensorikeinrichtung der Basisstation und/oder des mobilen Objekts erfolgendem Ermittelns der relativen Position des mobilen Objekts zu einer bekannten Position des mobilen Objekts.
  16. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass – eine Basisstation zum Aussenden eines Basissignals und/oder Empfang eines Transpondersignals verwendet wird, – eine Vielzahl von Transpondern zum Empfang des Basissignals und Aussenden von Transpondersignalen verwendet wird, – die Basisstation am mobilen Objekt angeordnet ist, – die Position der Transponder im Raum bekannt ist.
  17. Verfahren nach Anspruch 15 oder 16, gekennzeichnet durch mittels einer ersten Relativsensorikeinrichtung (1) erfolgendes Erfassen von Wegstrecken und/oder Beschleunigungen und/oder Drehwinkeln bzw. Orientierung und/oder Drehwinkelraten des mobilen Objekts ausgehend von der bekannten Position.
  18. Verfahren nach Anspruch 17, gekennzeichnet durch mittels einer Berechnungseinrichtung, insbesondere eines Extended Kalman Filters (EKF (2)), erfolgendes Ermitteln zurückgelegter Wegstrecken und/oder überstrichener Drehwinkel des mobilen Objekts auf der Grundlage der erfassten Beschleunigungen und/oder Drehwinkelraten.
  19. Verfahren nach Anspruch 18, gekennzeichnet durch mittels der Berechnungseinrichtung, insbesondere des Extended Kalman Filters (EKF (2)), erfolgendes mathematisches Integrieren mittels adaptivem Filtern einer Zeitbasis innerhalb eines Ruhelagerauschens zur Kompensation von Messfehlern.
  20. Verfahren nach einem oder mehreren Anspruch 17 bis 19, gekennzeichnet durch mittels einer Magnetfeldsensoreinrichtung (12) erfolgendes Erfassen des Vektors des Erdmagnetfelds im Bereich des mobilen Objekts zur Ermittlung der Orientierung des mobilen Objektes und zur Kompensation von Messfehlern der Relativsensorikeinrichtung.
  21. Verfahren nach einem oder mehreren der Ansprüche 17 bis 20, gekennzeichnet durch mittels eines Temperatursensors (3) erfolgendes Kompensieren von Temperaturdrifteffekten in der ersten Relativsensorikeinrichtung (1).
  22. Verfahren nach einem oder mehreren der Ansprüche 17 bis 21 zur Ausführung bei einer Anordnung nach einem oder mehreren der Ansprüche 7 bis 14, gekennzeichnet durch mittels einer die Ergebnisse eines Präprozessors (4) weiterverarbeitenden Schätzeinrichtung (5) erfolgendes, insbesondere varianzgewichtetem, Mittelwertbildens von Messdaten und/oder selbstregulierendem Ausmittelns von kleinen Messwertbeträgen und/oder, insbesondere varianzgewichtetem, Downsamplings von Messdaten, und/oder mittels eines insbesondere die Ergebnisse der Schätzeinrichtung (5) weiterverarbeitenden Postprozessors (6) erfolgendem Erfassens von stationären Zuständen, jeweils zum Kompensieren von Messfehlern der ersten Relativsensorikeinrichtung (1).
  23. Verfahren nach einem oder mehreren der Ansprüche 17 bis 22 , gekennzeichnet durch mittels einer alternativen oder kumulativen zweiten Relativsensorikeinrichtung (8) erfolgendes Erfassen von Konturen der Umgebung des mobilen Objekts, darauf beruhendes Erzeugen mindestens einer virtuellen Karte der Umgebung, und Vergleichen der virtuellen Karte zum Zeitpunkt des Unterbrechens mit der virtuellen Karte der relativen Position.
  24. Verfahren nach Anspruch 23, gekennzeichnet durch mittels eines Laserscanners erfolgenden Erfassens von Konturen.
  25. Verfahren nach einem oder mehreren der Ansprüche 17 bis 24, gekennzeichnet durch mittels einer alternativen oder kumulativen dritten Relativsensorikeinrichtung (9) erfolgendes Photographierens der Umgebung des mobilen Objekts, mittels Bildverarbeitung erfolgendes Identifizierens von zusammenhängenden Objekten, und Vergleichen der Größe und Lage der Objekte auf den jeweiligen Photographien.
  26. Verfahren nach Anspruch 25, gekennzeichnet durch mittels Kantensuchalgorithmen und/oder Varianzen der Verteilung von Farbwerten erfolgendes Identifizieren.
  27. Verfahren nach Anspruch 26, gekennzeichnet durch in kurzen Zeitabständen, insbesondere im 0,5 Sekunden- bis 1 Minutentakt, erfolgendes Photographieren.
DE102005004155A 2005-01-28 2005-01-28 Positionsbestimmung mittels eines Funkortungssystems, insbesondere mittels LPR, trotz begrenztzeitigem Ausfall der Funkortungskomponenten Withdrawn DE102005004155A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102005004155A DE102005004155A1 (de) 2005-01-28 2005-01-28 Positionsbestimmung mittels eines Funkortungssystems, insbesondere mittels LPR, trotz begrenztzeitigem Ausfall der Funkortungskomponenten
PCT/EP2005/056919 WO2006079439A2 (de) 2005-01-28 2005-12-19 Positionsbestimmung mittels eines funkortungssystems, insbesondere mittels lpr, trotz begrenztzeitigem ausfall der funkortungskomponenten

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102005004155A DE102005004155A1 (de) 2005-01-28 2005-01-28 Positionsbestimmung mittels eines Funkortungssystems, insbesondere mittels LPR, trotz begrenztzeitigem Ausfall der Funkortungskomponenten

Publications (1)

Publication Number Publication Date
DE102005004155A1 true DE102005004155A1 (de) 2006-08-03

Family

ID=36190645

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102005004155A Withdrawn DE102005004155A1 (de) 2005-01-28 2005-01-28 Positionsbestimmung mittels eines Funkortungssystems, insbesondere mittels LPR, trotz begrenztzeitigem Ausfall der Funkortungskomponenten

Country Status (2)

Country Link
DE (1) DE102005004155A1 (de)
WO (1) WO2006079439A2 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011075251A1 (en) * 2009-12-17 2011-06-23 The Boeing Company Position and orientation determination using movement data
US9058681B2 (en) 2012-06-01 2015-06-16 The Boeing Company Sensor-enhanced localization in virtual and physical environments
US9423250B1 (en) 2009-12-17 2016-08-23 The Boeing Company Position measurement correction using loop-closure and movement data

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103872965B (zh) * 2014-02-28 2016-05-04 北京航天控制仪器研究所 一种浮油支撑惯性仪表的伺服回路控制系统及控制方法
EP3891523A1 (de) * 2018-12-03 2021-10-13 Lac Camera Systems OY Selbstpositionierungsverfahren, selbstpositionierungssystem und verfolgungsbake

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4324531C1 (de) * 1993-07-21 1994-12-01 Siemens Ag Verfahren zur Erstellung einer Umgebungskarte und zur Bestimmung einer Eigenposition in der Umgebung durch eine selbstbewegliche Einheit
US5469158A (en) * 1992-04-20 1995-11-21 Sumitomo Electric Industries, Ltd. Apparatus for correcting the detected heading of a vehicle
DE10023586A1 (de) * 2000-05-13 2001-07-19 Daimler Chrysler Ag Vorrichtung zur Fahrzeugpositionsbestimmung mit mehreren Sensoreinheiten
DE10115444A1 (de) * 2000-03-30 2001-10-04 Kanazawa Inst Of Technology Is Navigationsverfahren und -vorrichtung für ein autonomes Fahrzeug
DE102004017196A1 (de) * 2003-04-18 2004-12-16 Denso Corp., Kariya Navigationssystem
DE10336084A1 (de) * 2003-08-06 2005-03-10 Siemens Ag Lokales Positionsmesssystem

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPP299498A0 (en) * 1998-04-15 1998-05-07 Commonwealth Scientific And Industrial Research Organisation Method of tracking and sensing position of objects
US6167347A (en) * 1998-11-04 2000-12-26 Lin; Ching-Fang Vehicle positioning method and system thereof
DE19910715C2 (de) * 1999-03-10 2002-09-26 Deutsch Zentr Luft & Raumfahrt Verfahren zum autonomen Führen von Roboterfahrzeugen in Hallen sowie Radarstation zur Durchführung des Verfahrens
SG108301A1 (en) * 2002-06-24 2005-01-28 Wireless Intellect Labs Pte Lt Method and apparatus for improving positioning of mobile communication devices using inertial positioning

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5469158A (en) * 1992-04-20 1995-11-21 Sumitomo Electric Industries, Ltd. Apparatus for correcting the detected heading of a vehicle
DE4324531C1 (de) * 1993-07-21 1994-12-01 Siemens Ag Verfahren zur Erstellung einer Umgebungskarte und zur Bestimmung einer Eigenposition in der Umgebung durch eine selbstbewegliche Einheit
DE10115444A1 (de) * 2000-03-30 2001-10-04 Kanazawa Inst Of Technology Is Navigationsverfahren und -vorrichtung für ein autonomes Fahrzeug
DE10023586A1 (de) * 2000-05-13 2001-07-19 Daimler Chrysler Ag Vorrichtung zur Fahrzeugpositionsbestimmung mit mehreren Sensoreinheiten
DE102004017196A1 (de) * 2003-04-18 2004-12-16 Denso Corp., Kariya Navigationssystem
DE10336084A1 (de) * 2003-08-06 2005-03-10 Siemens Ag Lokales Positionsmesssystem

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
WIEBKING, L. (u.a.): Remote Local Positioning Radar. In: Radio and Wireless Conference 2004, IEEE. 19.-22. Sept. 2004, S. 191-194 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011075251A1 (en) * 2009-12-17 2011-06-23 The Boeing Company Position and orientation determination using movement data
US20110149266A1 (en) * 2009-12-17 2011-06-23 The Boeing Company Position and Orientation Determination Using Movement Data
CN102656425A (zh) * 2009-12-17 2012-09-05 波音公司 利用移动数据的方位和取向确定
US8279412B2 (en) 2009-12-17 2012-10-02 The Boeing Company Position and orientation determination using movement data
CN102656425B (zh) * 2009-12-17 2016-08-03 波音公司 利用移动数据的方位和取向确定
US9423250B1 (en) 2009-12-17 2016-08-23 The Boeing Company Position measurement correction using loop-closure and movement data
US9058681B2 (en) 2012-06-01 2015-06-16 The Boeing Company Sensor-enhanced localization in virtual and physical environments

Also Published As

Publication number Publication date
WO2006079439A2 (de) 2006-08-03
WO2006079439A3 (de) 2006-12-21

Similar Documents

Publication Publication Date Title
DE102013201014B4 (de) Verfahren und Vorrichtung zur Höhenbestimmung
DE102010005293B4 (de) System und Verfahren zur Spurpfadschätzung unter Verwendung einer Sensorvereinigung
EP3245478B1 (de) Lokalisierungsvorrichtung und verfahren zur lokalisierung
DE602004001143T2 (de) Vorrichtung und Verfahren zur Bestimmung der Position eines Mobilkörpers in einem Navigationssystem
DE102017103123A1 (de) Fahrzeugfahrbahnplatzierung
EP1673589B1 (de) Verfahren und vorrichtung zur bestimmung der aktualposition eines geodätischen instrumentes
DE102007041121B4 (de) Verfahren und Vorrichtung zum Verarbeiten von Sensordaten für ein Fahrerassistenzsystem eines Fahrzeugs
WO2020216559A1 (de) Verfahren zur erkennung einer funktionsfähigkeit eines umgebungssensors, steuergerät und fahrzeug
DE102011117809A1 (de) Verfahren zum Ergänzen der GPS- oder GPS/Sensor-Fahrzeugpositionsbestimmung unter Verwendung zusätzlicher fahrzeuginterner Bilderfassungssensoren
DE102018104090A1 (de) Adaptive beschreibung von prozessrauschen für verbesserte kalman-filter-zielverfolgung
DE3937427A1 (de) Bildverarbeitungsgeraet
EP1517117A1 (de) Verfahren und System zur Bestimmung einer Aktualposition eines Positionierungsgerätes
EP2819901A1 (de) Verfahren und vorrichtung zur ermittlung der geschwindigkeit und/oder position eines fahrzeuges
DE102013015705B4 (de) Verfahren zur Ermittlung einer aktuellen Position eines Kraftfahrzeugs in einem geodätischen Koordinatensystem und Kraftfahrzeug
WO2009127429A2 (de) Verfahren zur trägheits-navigation unter wasser
EP2394206B1 (de) Verfahren und vorrichtung zur lokalisieriung von objekten
DE102005004155A1 (de) Positionsbestimmung mittels eines Funkortungssystems, insbesondere mittels LPR, trotz begrenztzeitigem Ausfall der Funkortungskomponenten
WO2015189204A1 (de) Verfahren und system zur verbesserten erkennung und/oder kompensation von fehlerwerten
DE102015202230A1 (de) Fusionierte Eigenbewegungsberechnung für ein Fahrzeug
EP3155454B1 (de) Verfahren und system zur anpassung eines navigationssystems
DE102019132150A1 (de) Verfahren zum automatischen Kalibrieren eines Umfeldsensors, insbesondere eines Lidar-Sensors, eines Fahrzeugs auf Grundlage von Belegungskarten sowie Recheneinrichtung
EP3894786A1 (de) Verfahren und vorrichtung zur positionsbestimmung mittels trägheitsnavigation, und kalibriersystem
EP3922526B1 (de) Bestimmung eines rollwinkels oder eines nickwinkels eines fortbewegungsmittels
EP1352375B1 (de) Verfahren und vorrichtung zur schätzung von bewegungsparametern von zielen
WO2022228738A1 (de) Orientierungsbasierte positionsermittlung von schienenfahrzeugen

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8127 New person/name/address of the applicant

Owner name: SYMEO GMBH, 81739 MUENCHEN, DE

8127 New person/name/address of the applicant

Owner name: SYMEO GMBH, 85579 NEUBIBERG, DE

8139 Disposal/non-payment of the annual fee