WO2006079439A2

WO2006079439A2 - Positionsbestimmung mittels eines funkortungssystems, insbesondere mittels lpr, trotz begrenztzeitigem ausfall der funkortungskomponenten

Info

Publication number: WO2006079439A2
Application number: PCT/EP2005/056919
Authority: WO
Inventors: Leif Wiebking; Thomas Zander; Dariusz Mastela; Martin Soika; Mark Christmann
Original assignee: Siemens Aktiengesellschaft
Priority date: 2005-01-28
Filing date: 2005-12-19
Publication date: 2006-08-03
Also published as: DE102005004155A1; WO2006079439A3

Abstract

Die vorliegende Erfindung betrifft eine Anordnung zum Bestimmen der Position eines mobilen Objekts, insbesondere eines Transportmittels, mit einem Funkortungssystem. 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

Beschreibung

Positionsbestimmung mittels eines Funkortungssystems , insbesondere mittels LPR, trotz begrenztzeitigem Ausfall der Funk- Ortungskomponenten

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, Trol- leys , Hubwagen, Gabelstapler, AGV s (automated guided vehic- les ) 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 transpon- derabhängigen 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 Positi- onsbestimmung 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 Obj ekts , insbesondere eines Transportmittels , mit einem Funkortungssystem zur Erfassung einer bekannten Position des mobilen Obj ekts

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 Abhän- gigkeit 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 Obj ekts 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 Erfassungseinrich- tungen aufweist, die von einem Anfangszustand ausgehend Messwerte ermittelt . Anfangszustand ist hier die bekannte, insbesondere absolute, Position des mobilen Obj ekts . Die Basisstation und/oder das mobile Obj ekt weist mindestens eine Relativsensorikeinrichtung zur Ermittlung der relativen Position des mobilen Obj ekts zu einer bekannten Position des mobilen Obj ekts 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 funktionsfä- hig . 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 Obj ekts einerseits direkt von der Absolutsensorik- und andererseits ausgehend von der bekannten Position des mobilen Obj ekts über die Relativsenso- rikeinrichtung ermittelt werden, so dass damit die Ergebnisse der Absolutsensorikeinrichtung durch die der Relativsensori- keinrichtung 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 Obj ekts nach Er- reichen der bekannten Position nicht mehr von der Absolutsensorik ermittelt werden . Es kann aber ausgehend von der bekannten Position des mobilen Obj ekts mittels der Relativsen- sorikeinrichtung die neue tatsächliche Position des mobilen Obj ekts seit Erreichen der bekannten Position ermittelt wer- den . Damit ist eine Positionsbestimmung seit einem Ausfallen der Absolutsensorikeinrichtung mittels der Relativsensori- keinrichtung weiterhin möglich . Entsprechend der Anzahl von unterbrochenen Sichtverbindungen zwischen Basisstation und Transpondern können die Relativsensorikdaten stärker im Ver- hältnis 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 Re- lativsensorikeinrichtung zur Erfassung physikalischer Effekte, beispielsweise von Krafteinwirkungen oder eines Sagnac- Effekts , bereitgestellt . Auf diese Weise können Beschleunigungen und/oder Drehwinkel bzw . Orientierung des mobilen Ob- j ekts 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 Kaiman Filters EKF, ausgehend von der bekannten Position zurückgelegten Strecken und/oder überstri- chene Drehwinkel des mobilen Obj ekts 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 Exten- ded Kaiman 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 wer- den . Die Beschleunigungssensorik kann relative Streckenberechnung anhand von doppelter Integration aus dem zweiten Newtonschen Axiom berechnen :

F₃ = ma <=> s(t) = JJ adt

Diese Methode funktioniert prinzipiell für abschnittsweise stetig differenzierbare reelle Funktionen von a . Da j edoch 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 Obj ekts im Raum (Rotation) berechnen :

Auch diese Berechnung ist grundsätzlich für abschnittsweise stetig differenzierbare reelle Funktionen von ώ möglich . Eine alternative Methode zur Erfassung des Drehwinkels liegt in der Auswertung von Interferenz von kohärentem Licht mittels Sagnac-Effekts :

Δ = 4 λc

Bei dieser Anordnung bzw . Methode muss wie bei Berechnung ü- ber 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 Obj ekts 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 (Winkelgeschwindigkeits- messung) 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 Beschleunigungsmess- technik 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 Obj ekts zur Ermittlung der Orientierung des mobilen Obj ekts und zur Kompensation von Messfehlern der Relativsensorikeinrichtung . Die auf diese Weise ermittelten Orientierungswerte können mit den Drehwinkel- bzw . Orientie- rungswerten 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 Alterungsef- fekte 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 j edoch 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 Kennfeldinterpo- lation 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 Re- lativsensorikeinrichtung 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 mit- tels 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 Sensormess- werte 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 floon I—² - 1J 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 X₀ darstellt, es ist allerdings mit einer geringeren Wahrscheinlichkeit ebenfalls möglich, dass es sich um einen Wert in der Nähe, beispielsweise X₁, St₂ , usw . handelt . Für Messwerte, die sich im Vergleich zum vorherigen Messwert unterhalb der praktischen Grenze des Auflö- sungsvermögens 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 varianzgewich- teten Downsampling von Messdaten wird Folgendes ausgeführt . Das Extended Kaiman Filter EKF insbesondere des LPR Systems nimmt Aktualisierungen seiner Zustandsmaschine nur in bestimmten diskreten Zeitabständen At_L 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 Δt„ = —- . Das Symbol "SF" in der Formel

SF bildet einen konstanten sampling factor, der angibt, um wie viel fach schneller die Relativsensorik ihre Messungen liefern könnte . Da j edoch die Positionsberechnung insgesamt nur auf der Basis der langsamsten Komponente stattfinden kann, kann das EKF keine Zwischenzustände zwischen den Δt_r verar- beiten . Es bietet sich daher an, j eweils SF Messpunkte der Relativsensorik zusammenzufassen, diese Punkte varianzgewich- tet zu mittein, und den resultierenden gemittelten Wert in das EKF zur Berechnung des nächsten Systemzustands zu übergeben . Diese Methode ist eine Möglichkeit, trotz des Down- samplings den zentralen Grenzwert der Wahrscheinlichkeitstheorie für dieses System gültig zu halten . Diese Konvergenz ist nötig für den Einsatz einer Zufallsvariablen mit einem KaI- manfilter . 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 Detek- tion 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 auszu- mitteln; der Hauptgrund ist in aller Regel, dass die zu mes- sende Größe selbst nicht lange genug auf diesem stationären Wert verharrt . Gerade um die Doppelintegration einer Beschleunigung in den zurückgelegten Weg durchzuführen (s . o . ) ist j edoch 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 über- haupt 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 j eden Messwert die Wahrscheinlichkeit der Stationari- tät 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 Kaiman Filters EKF .

Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung alternativ oder kumulativ zur ersten Relativsenso- rikeinrichtung aus einer als zweite Relativsensorikeinrich- tung dienenden Konturenerfassungs- und Verarbeitungseinrich- tung, und/oder aus einer als dritte Relativsensorikeinrich- tung 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 j edem 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 Obj ekte zu identifizieren (Kantensuchalgorithmen, Varianzen der Verteilung von Farbwerten, ... ) . Anhand der relativen Größe der Obj ekte auf den einzelnen Frames und deren Position kann die relative Position geschätzt wer- den .

Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung aus einem Kalman-Präprozessor zur Überwachung der Daten von dem Postprozessor der ersten Relativsensorikein- richtung und/oder von den weiteren Relativsensorikeinrichtun- gen 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 Totalaus- fall 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 Kaiman Filter (EKF) selbst weiter .

Gemäß einer weiteren Ausgestaltung besteht eine vorteilhafte Anordnung aus dem die Daten des Kalman-Präprozessors verarbeitenden Extended Kaiman Filter EKF zur endgültigen Ermitt- lung 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 Relativsen- sorikeinrichtung 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 Kaiman Filter EKF des LPR Systems . Gleichzeitig kann aber aus den Zustandsberechnungen des Extended Kaiman Filter EKF eine Rückmeldung der berechneten Positionsinformationen an die Signalverarbeitungslogik der Relativsensorikplattform erfolgen . Auf diese Weise ist es möglich, die Relativsenso- rikplattform 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 Kaiman Filter EKF erhöht werden, da nun Informationen über die Beschleunigung und Winkelgeschwindigkeit vorliegen .

Gemäß weiteren Ausgestaltungen werden ebenso die den j eweili- gen Anordnungen entsprechenden Verfahren mit den dazugehörigen Verfahrensschritten beansprucht .

Gemäß einer vorteilhaften Ausgestaltung erfolgt mittels einer Berechnungseinrichtung, insbesondere mittels des Extended Kaiman 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 j edem 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 Nullzu- stand der Beschleunigung (a ≡ θ) 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 Er- gebnisse eines Präprozessor weiterverarbeitenden Schätzeinrichtung erfolgendem varianzgewichtetem Mittelwertbildens von Messdaten und/oder selbstregulierendem Ausmitteins von kleinen Messwertbeträgen und/oder varianzgewichtetem Downsampling von Messdaten, und insbesondere ein mittels eines die Ergeb- nisse der Schätzeinrichtung weiterverarbeitenden Postprozessors erfolgenden Erfassens von stationären Zuständen, j eweils zum Kompensieren von Messfehlern der ersten Relativsensori- keinrichtung .

Gemäß einer vorteilhaften Ausgestaltung erfolgt mittels einer alternativen oder kumulativen zweiten Relativsensorikeinrich- tung ein Erfassen von Konturen der Umgebung des mobilen Obj ekts , 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 Relativsensorikeinrich- tung ein Photographieren der Umgebung des mobilen Obj ekts , ein mittels Bildverarbeitung erfolgendes Identifizierens von zusammenhängenden Obj ekten, und ein Vergleichen der Größe und Lage der Obj ekte auf den j eweiligen 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 Obj ekts optimiert sein . Das heißt j e größer diese ist, umso höher sollte die Photographierhäufigkeit pro Zeiteinheit sein .

Alle in dieser Anmeldung beschriebenen Verfahren zur Messfeh- lerminimierung sind grundsätzlich auf alle Relativsensori- keinrichtungen anwendbar .

Die entscheidenden grundlegenden Eigenschaften und Vorteile des erfindungsgemäßen Systems bestehen darin, dass a) eine zusätzliche Platine, bestückt mit inertialsensori- schen Komponenten und angemessenen Signalverarbeitungsein- richtungen, in die Basisstation/auf dem zu verfolgenden Obj ekt 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 Obj ekts abschätzt, c) gemeinsam mit der Extended Kaiman Filter (EKF) Algorithmik der Funkortungskomponenten des LPR die Position des Obj ekts adaptiv berechnet wird, d) durch Kenntnis des gegenwärtigen Beschleunigungsvektors (mit Hilfe der Inertialsensorik) eine weitere physikalische Messgröße für das Extended Kaiman Filter (EKF) vorliegt, die im bisherigen Bewegungsmodell prinzipbedingt nur geschätzt werde konnte . Diese Maßnahme erhöht die effektive Modellordnung des Extended Kaiman Filter (EKF) . e) das System nunmehr in Situationen eingesetzt werden kann, die vorher undenkbar waren, wie zum Beispiel elektromagnetisch partiell kontaminiertes Umfeld, schlechte Transpon- derposition, 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 Obj ekts im Raum ist mir nur einer Basisstation erfassbar .

Die Erfindung wird nachfolgend anhand von Ausführungsbeispielen in Verbindung mit den Figuren näher beschrieben . Es zeigen :

Fig . 1 ein Ausführungsbeispiel zur herkömmlichen Positionsbestimmung mittels Funkortung insbesondere mittels LPR; Fig . 2 ein weiteres Ausführungsbeispiel zur herkömmlichen Positionsbestimmung mittels Funkortung, insbesondere mittels LPR;

Fig . 3 ein Ausführungsbeispiel zur Bestimmung der relativen Position eines Obj ekts ;

Fig . 4 eine Darstellung von Scan-Messwerten zu diesem Ausführungsbeispiel;

Fig . 5 eine weitere Darstellung zu diesem Ausführungsbeispiel; Fig . 6 ein Blockschaltbild eines Ausführungsbeispiels einer Vorrichtung zur Positionsbestimmung .

Wie in Fig . 1 dargestellt, werden beim Local Positioning Radar zwischen einer beweglichen Basisstation und mindestens drei am Rand montierten festen Transpondern j eweils 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 Fig . 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 Fig . 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 Ef- fekte (Krafteinwirkung, Sagnac-Effekt, ... ) sind noch einige weitere Methoden geeignet, die relative Position eines Obj ekts zu bestimmen und die insbesondere in Verbindung mit LPR Anwendung finden können .

Als Ausführungsbeispiel wird das Verfahren der Konturendetek- tion und -observation einer zweiten Relativsensorikeinrich- tung 8 in Verbindung mit den Fig . 3, 4 und 5 näher beschrieben . Diese Methode, bei der üblicherweise Laserscanner zum Einsatz kommen, erkennt charakteristische Merkmale ihrer Um- gebung und erzeugt anhand dieser Merkmale eine "virtuelle Karte" der Umgebung . Nach j edem Frame, der gescannt wird, kann durch Vergleiche mit der "Karte" die relative Position seit Aufzeichnung des vorherigen Frames berechnet werden . In Fig . 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 Fig . 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 <=> φ_pl = φ_p2. Wäre das nicht der

Fall, so könnte man anhand der Differenz der gemessenen Win- kel, an denen die Extrempunkte auftreten, die neue Orientierung berechnen . Die kartesische Position kann wiederum über die Laufzeitmessung der Signale stattfinden . In Fig . 4 sieht man diese Wirkungsweise beispielsweise an den Messwerten bei 0 ° und 180 ° sehr gut .

In Fig . 5 wird die Softwarearchitektur zur Fusion von Laser- relativmessung und LPR Absolutmessung gezeigt . Der Prozess Extended Kaiman 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 Kaiman 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 Kaimanfilters und liefert das Ergebnis der Fusion zurück .

Der Prozess Fusion berechnet j eweils die von Extended Kaiman Filter (EKF) Local Positioning Radar (LPR) und Scan Match an- geforderten Positionsprädiktionen für den j eweiligen Zeitpunkt der Messung . Die Berechnung der Prädiktion für einen gegebenen Zeitpunkt wird aus der Historie von Zustandsvekto- ren und Kovarianzmatritzen, sowie einem Kinematischen Modell, mittels eines Kaimanfilters durchgeführt . Weiterhin gibt Fu- sion 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 Fig . 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 weiterge- leitet 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 j edem Zyklus direkt an den Präprozessor 10 für das Kaimanfilter 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 Magnet- feldsensors 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) Relativsensorikein- richtungs 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 Kaiman Filter (EKF 2 ) hinsichtlich der Vereinbarkeit der Sensordaten mit den Extended Kaiman Filter (EKF 2 ) -Daten trainiert wird um so in Zukunft mit höherer Wahrscheinlichkeit den Charakter der Relativsen- sorikmessungen 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 Kaiman Filter (EKF 2 ) selbst weiter .

- Das Extended Kaiman Filter (EKF 2 ) führt die endgültige Positionsschätzung durch und gibt den Wert sowohl an die geforderte Endnutzerapplikation 11 als auch an die Relativsenso- rikplattform, die sie zum Training des Bayes-Filters 7 und zur Initialisierung des Präprozessors 4 benötigt, weiter .

- Der Zyklus beginnt von neuem.

Claims

Patentansprüche

1. Anordnung zum Bestimmen der Position eines mobilen Obj ekts , insbesondere eines Transportmittels , mit einem Funkor- tungssystem, d a d u r c h g e k e n n z e i c h n e t , dass eine Basisstation und/oder das mobile Obj ekt mindestens eine Relativsensorikeinrichtung zur Ermittlung der relativen Position des mobilen Obj ekts zu einer bekannten Position des mo- bilen Obj ekts 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 Obj ekts unter Berücksichtigung der Transpondersignale, wobei - die Basisstation am mobilen Obj ekt 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 Obj ekts ausgehend von der bekannten Position erfasst .

4. Anordnung nach Anspruch 3, dadurch gekennzeichnet, dass eine Berechnungseinrichtung, insbesondere ein Extended Kaiman Filter (EKF (2 ) ) , zurückgelegte Wegstrecken und/oder über- strichene Drehwinkel des mobilen Obj ekts 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 Obj ekts zur Ermittlung der Orientierung des mobilen Obj ektes 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 Kaiman Filters (EKF (2 ) ) .

11. Anordnung nach einem oder mehreren der Ansprüche 2 bis 10 , dadurch gekennzeichnet, dass alternativ oder kumulativ zur ersten Relativsensorikeinrich- tung (1 ) als zweite Relativsensorikeinrichtung eine Konture- nerfassungs- und Verarbeitungseinrichtung (8 ) , und/oder als dritte Relativsensorikeinrichtung eine optische Bilderfas- sungs- 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 Kaiman 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 I- nitialisierung des Präprozessors (4 ) .

15. Verfahren zum Bestimmen der Position eines mobilen Obj ekts , insbesondere eines Transportmittels , mittels eines Funkortungssystems , gekennzeichnet durch mittels mindestens einer Relativsensorikeinrichtung der Basisstation und/oder des mobilen Obj ekts erfolgendem Ermitteins der relativen Position des mobilen Obj ekts zu einer bekannten Position des mobilen Obj ekts .

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 Obj ekt 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 Obj ekts ausgehend von der bekannten Position .

18. Verfahren nach Anspruch 17 , gekennzeichnet durch mittels einer Berechnungseinrichtung, insbesondere eines Ex- tended Kaiman Filters (EKF (2 ) ) , erfolgendes Ermitteln zu- rückgelegter Wegstrecken und/oder überstrichener Drehwinkel des mobilen Obj ekts auf der Grundlage der erfassten Beschleunigungen und/oder Drehwinkelraten .

19. Verfahren nach Anspruch 18 , gekennzeichnet durch mittels der Berechnungseinrichtung, insbesondere des Extended Kaiman 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 Obj ekts zur Ermittlung der Orientierung des mobilen Obj ektes und zur Kompensation von Messfehlern der Relativsenso- rikeinrichtung .

21. Verfahren nach einem oder mehreren der Ansprüche 17 bis 20 , gekennzeichnet durch mittels eines Temperatursensors (3) erfolgendes Kompensieren von Temperaturdrifteffekten in der ersten Relativsensorikein- richtung (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 , insbesonde- re varianzgewichtetem, Mittelwertbildens von Messdaten und/oder selbstregulierendem Ausmitteins von kleinen Messwertbeträgen und/oder , insbesondere varianzgewichtetem, Down- samplings von Messdaten, und/oder mittels eines insbesondere die Ergebnisse der Schätzeinrich- tung (5) weiterverarbeitenden Postprozessors ( 6) erfolgendem Erfassens von stationären Zuständen, j eweils 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 Relativ- sensorikeinrichtung (8 ) erfolgendes Erfassen von Konturen der Umgebung des mobilen Obj ekts , darauf beruhendes Erzeugen mindestens einer virtuellen Karte der Umgebung, und

Vergleichen der virtuellen Karte zum Zeitpunkt des Unterbre- chens mit der virtuellen Karte der relativen Position .

24. Verfahren nach Anspruch 23, gekennzeichnet durch mittels eines Laserscanners erfolgenden Erfassens von Kontu- ren .

25. Verfahren nach einem oder mehreren der Ansprüche 17 bis 24 , gekennzeichnet durch mittels einer alternativen oder kumulativen dritten Relativ- sensorikeinrichtung ( 9) erfolgendes Photographierens der Umgebung des mobilen Obj ekts , mittels Bildverarbeitung erfolgendes Identifizierens von zusammenhängenden Obj ekten, und Vergleichen der Größe und Lage der Obj ekte auf den j eweiligen 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 .