Smart-wheelchair navigation is a daunting problem even when autonomous cars are slowly taking on the roads. Smart-wheelchairs ought to navigate in highly unstructured and diverse indoor and outdoor conditions that lack the conventions that simplify autonomous car driving. Furthermore, smart-wheelchairs have astringent limitations to the size, weight, energetic consumption, and cost of the components used for autonomous navigation. Despite the challenge, the development of smart assistive technology is necessary because the number of users is likely to rise due to demographic tendencies. This dissertation explores the use of the visual compass algorithm VCA for outdoor route-following with a smart-wheelchair. The VCA infers the travel direction by aligning the current-view with snapshots stored in a visual memory. Image matching is performed using simple IDFs on low-resolution panoramic images, as inspired by insect navigation findings. The VCA is an attractive alternative because it only requires an omnidirectional camera and modest computational resources. Nevertheless, the algorithm suffers from well-known limitations, and its performance for tasks like smart-wheelchair navigation is poorly understood because most studies evaluated have focused on highly controlled conditions. This investigation presents three extensions to the VCA. The first one is the use of texture-based representations of the panoramic images to reduce aliasing. Then, the TVCC, which enables the use of multiple representations and IDFs. The third extension introduces KT, i.e., using visual memories to navigate with a different setup than the one used to acquire them, which is an essential aspect of large-scale applications. Furthermore, this dissertation presents an algorithm to correct off-route translational error without resorting to multiscale analysis or probatory movements.
Autonomes Rollstuhlfahren ist ein extrem komplexes Problem. Besonders zu dem Zeitpunkt, an dem autonome Autos langsam die Straßen übernehmen. Autonome Rollstühle sollen in sehr unstrukturierten und diversen Umgebungen (innen und außen) fahren können. Solche Umgebungen bieten oftmals nicht, die expliziten Regeln und Infrastrukturen, die das Autofahren vereinfachen. Dazu sollten, autonome Rollstühle klein, leicht, energie-effizient und günstig bleiben, damit Menschen, die einen benötigen, sich einen leisten können. Deshalb, sind manche Komponenten, die zurzeit in autonomen Autos verwendet werden, nicht für autonome Rollstühle geeignet. Trotz dieser Herausforderung, ist es nötig, die Entwicklung intelligenter unterstützender Technologie anzutreiben, weil die Benutzeranzahl aufgrund demographischer Tendenzen steigen wird. Diese Dissertation befasst sich mit der Anwendung des „Visual Compass Algorithm (VCA)“ für Außen Route-folgen. Der Algorithmus berechnet die Fahrtrichtung durch die Anpassung zweier panoramischer Bilder. Eins davon, wird am Zielort im Voraus aufgenommen, während das zweite eine aktuelle Beobachtung des Roboters darstellt. Die Bildanpassung erfolgt durch eine simple “Image Distance Function (IDF)”, in niedriger Auflösung panoramischer Bilder. Das Verfahren wurde von Forschungsergebnissen aus der Insektennavigation inspiriert. Der VCA ist attraktiv für autonome Rollstühle, weil er nur zwei panoramische Bilder für die Berechnungen braucht, und weil er nur eine niedrige Rechenleistung benötigt, um die Echtzeitlaufzeit zu erreichen. Allerdings, hat das VCA mehrere Einschränkungen. Diese Dissertation stellt drei Erweiterungen für das VCA dar. In der ersten Erweiterung, werden panoramische Bilder anhand einer Textur repräsentiert, um den Aliasing-Effekt zu reduzieren. Die zweite Erweiterung ermöglicht multiple Repräsentationen der panoramischen Bilder und der IDF zu kombinieren. Die dritte Erweiterung “Knowledge Transfer” (KT), ermöglicht es zu navigieren, wenn die “Visual Memories” und “Current-Views” von verschiedenen Kamerakonfigurationen aufgenommen werden. KT wird als wichtige Voraussetzung für Großanwendungen dargestellt. Diese Dissertation präsentiert also einen Algorithmus, mit dem man Translationsfehler korrigieren kann.
