Käppeler, U: Sensordatenfusion zur Minimierung von Inkonsist

In dieser Arbeit werden Konzepte und Methoden zur Bewertung und Behandlung von Sensordatenqualität betrachtet. Definiert werden Metriken und Modelle für die Bewertung verschiedener Qualitätsaspekte von Sensordaten. Darauf aufbauend werden Verfahren zur Minimierung von Degradierung vorgestellt, welche für den Abgleich lokaler Weltmodelle eingesetzt werden. Des Weiteren werden Verfahren zur Auflösung von Inkonsistenzen erläutert, die eine robuste Sensordatenintegration in globale Umgebungsmodelle und damit deren Erweiterung und Aktualisierung ermöglichen. Zusätzlich wird ein lernendes Verfahren zur Situationserkennung vorgestellt. Es ermöglicht die Interpretation von Sensordaten um Aussagen und Wahrscheinlichkeiten der Situationsebene abzuleiten und zu bewerten.Ziel ist es, kontextbezogenen Anwendungen die verteilt verwalteten Umgebungsmodelle eines offenen Systems zur Verfügung zu stellen, wobei eine möglichst konsistente Sicht auf die Umgebung hergestellt werden soll. Hierfür werden Kennzahlen zur Datenqualität mit einheitlichem Wertebereich für stochastische Messfehler, Querempfindlichkeit, Signalverarbeitung, Zuverlässigkeit und zu temporalen Aspekten definiert. Modellierungen von Sensoren, Sensordaten und deren Degradierung ermöglichen dem SensorContextServer, dem SensorClient und verschiedenen Anwendungen den Umgang mit unterschiedlicher Datenqualität.Für den Abgleich lokaler Weltmodelle und die Fusionierung verteilter Beobachtungen wird der Einsatz von Schätzfiltern zur Informationsalterung untersucht. Verzögerungen durch Kommunikationswege und durch nicht synchronisierbare Sensoren beeinflussen die Qualität eines Fusionsergebnisses. Für die dreidimensionale Lokalisierung eines Balls im RoboCup Szenario oder einer Person im Nexuslabor wurde untersucht, wie diese Einflüsse durch Schätzfilter zur Informationsalterung minimiert werden