Verfahren zur Bewertung der Meßqualität eines Entfernungsmeß- sensors an einem autonomen mobilen System

Die Erfindung betrifft ein Verfahren zur Bewertung der Quali¬ tät von Entfernungsmessungen und der zugehörigen Meßsensoren, welche es einem autonomen mobilen System ermöglichen, eine zellular strukturierte Karte von seiner Umgebung aufzubauen.

Beim Einsatz autonomer mobiler Systeme (AMS) in unpräparier- ten Alltagsumgebungen [1] , diese im allgemeinen dem AMS a priori nicht bzw. nur zum Teil bekannt sind, ist es um so mehr notwendig, daß es seine Umgebung mittels geeigneter Sen- soren wahrnimmt. Aus den Sensormessungen wird dann ein Um¬ weltmodell bevorzugt in Form einer zellular strukturierten Umgebungskarte aufgebaut, das die jeweiligen Unzulänglichkei¬ ten des Meßprinzips oder der Sensorik selbst, wie beispiels¬ weise systematische Meßfehler berücksichtigt [2] . Für die Abarbeitung eines kommandierten Auftrags führt das AMS beispielsweise Funktionen wie Hindernisvermeidung, Navi¬ gation und Lokalisierung abhängig von der momentanen Umge¬ bung, durch. Fehlmessungen können den Erfolg von solchen Ope¬ rationen gefährden. Zum einen können nicht detektierte Hin- dernisse zu Kollisionen führen, zum anderen beeinträchtigen "Geisterhindernisse" die Bewegungsfreiheit des Systems. Der Erfolg einer durchzuführenden Systemoperation hängt demnach in starkem Maße vom Zustand der Sensoren ab. Fehler der Sen¬ sorik außerhalb der spezifizierten und innerhalb der betref- fenden Anwendung tolerierbaren Grenzen müssen deshalb sicher erkannt werden.

Anhand den angestrebten typischen Einsatzumgebungen autonomer mobiler Systeme werden an eine Fehlererkennung für dessen Sensoren folgende Anforderungen gestellt:

• Unabhängigkeit von der Umgebung:

es sollen keine Referenz- oder Eichumgebungen notwendig sein.

• Unabhängigkeit von der Art des Fehlers: wegen der Vielzahl der Fehlerarten, die im allgemeinen nicht alle a priori bekannt sind, soll der Ansatz mög¬ lichst alle Fehlerarten, die eine wesentliche Beein¬ trächtigung des Umgebungsmodells nach sich ziehen, ab¬ decken.

• Online-Fähigkeit: aus Sicherheitsgründen soll eine ständige Überwachung der Sensoren möglich sein.

Aus Gründen der Maximierung des Wahrnehmungsbereiches werden Sensoren vorwiegend am Umfang eines mobilen Roboters befe- stigt. Dadurch sind sie jedoch zum Teil erheblichen mechani¬ schen Beanspruchungen durch Kollisionen mit externen Objekten ausgesetzt. Neben einem Hardwaredefekt eines Sensors kann es zudem passieren, daß durch mechanische Einwirkungen die Ab- bildungseigenεchaften eines physikalisch an sich funktions- tüchtigen Sensors durch fehlerhafte Parameter erheblich be¬ einträchtigt sind.

Verfahren zur Erstellung von zellular strukturierten Umge¬ bungskarten von autonomen mobilen Systemen sind aus dem Stand der Technik bekannt. Beispielsweise werden zellular struktu¬ rierte Karten verwendet, welche zur Markierung von Hindernis¬ sen und zur darauf basierenden Fahrwegplanung je Zelle Bele- gungs- und Freiwahrscheinlichkeiten benutzen [3,4] . Sie wer¬ den beispielsweise mit Hilfe eines vereinfachten probablisti- sehen Sensormodells [5] durch die eingehenden Messungen M aufgebaut.

Lösungen zur Fehlererkennung und Kalibrierung für Sensorik autonomer mobiler Systeme (AMS) ohne Verwendung von Referenz- modeilen und Eichkörpern sind bislang nicht bekannt.

Die der Erfindung zugrunde liegende Aufgabe besteht deshalb darin, ein Verfahren anzugeben, welches die Erkennung von Sensorfehlern eines autonomen mobilen Systems anhand einer zellular strukturierten Darstellung seiner Umgebung ermög¬ licht und zudem die Kalibrierung von Meßsensoren in unpräpa- rierten Umgebungen unterstützt.

Diese Aufgabe wird gemäß den Merkmalen des Patentanspruches 1 gelöst.

Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen.

Ein besonderer Vorteil des erfindungsgemäßen Verfahrens be- steht darin, daß basierend auf den Sensorinformationen über eine Zelle eine Qualitätsaussage über die gelieferten Meßer¬ gebnisse der einzelnen Sensoren gemacht werden kann, indem bewertet wird in wieweit sich die Sensorergebnisse gegensei¬ tig bestätigen. Durch Hinzuziehen weiterer Zellen aus der zellular strukturierten Umgebungskarte kann das so anhand ei¬ ner Zelle gefundenen Ergebnis für die sensorbezogene Qualität der Meßergebnisse in beliebiger Genauigkeit bestätigt werden.

Besonders einfach kann die Bewertung anhand der Zahl der ver- messenden Sensoren und der Zahl der jeweils von diesen Senso¬ ren gelieferten Ergebnisse bezüglich einer Zelle getätigt werden. Auf diese Weise bleibt der Rechenaufwand gering und es können sehr viele Zellen im Verbund miteinander bewertet werden.

Vorteilhaft kann nach dem erfindungsgemäßen Verfahren eine Wahrscheinlichkeit für die Funktionsfähigkeit eines Sensors angegeben werden, indem die Zahl der bisher bewerteten Zellen als Grundlage für die Bewertung des Sensors herangezogen wird. Insofern ist in Bezug auf den aktuellen Meßstand immer eine optimale Bewertung der einzelnen Sensoren gegeben.

Bevorzugt kann nach dem erfindungsgemäßen Verfahren ein Kon- sistenzmaß des Meßverhaltens einzelner Sensoren über mehrere Zellen angegeben werden, indem die Ergebnisse betreffender Sensoren bezüglich mehrerer Zellen der zellular strukturier- ten Umgebungskarte ausgewertet werden.

Besonders vorteilhaft lassen sich für einzelne Sensoren Wahr¬ scheinlichkeiten bezüglich falscher oder richtig gelieferter Meßergebnisse anhand der Zahl der bisher gelieferten Meßer- gebnisse je Zelle und der identifizierbar je Zelle abgespei¬ cherten Sensoren angeben.

Vorteilhaft lassen sich die Ergebnisse welche nach dem erfin¬ dungsgemäßen Verfahren gefunden werden, zellenspezifisc mit einem Gewichtungsfaktor versehen, weil damit der Einfluß der jeweiligen Zelle bei der Bewertung des jeweiligen Sensors eingestellt werden kann.

Bevorzugt werden nach dem erfindungsgemäßen Verfahren die je- weiligen Gewichtungsfaktoren in Abhängigkeit eines vom Sensor charakterisierten Belegt- oder Freizustandes der Zelle ge¬ wählt.

Vorteilhaft werden nach dem erfindungsgemäßen Verfahren jene Zellen ausgewertet, welche sich am Rande eines Beobachtungs- horizontes des autonomen mobilen Systems befinden, da diese Zellen im Verlauf der Fahrt des autonomen mobilen Systems mit einer maximalen Anzahl von Sensoren vermessen wurden und da¬ mit eine hohe Information gespeichert enthalten, die nach Austritt dieser Zellen aus dem Beobachtungshorizont dem Sys¬ tem verloren gingen.

Vorteilhaft kann das System nach dem erfindungsgemäßen Ver¬ fahren einen Selbsttest durchführen, indem es auf der Stelle dreht und damit Hindernisse in der Umgebung vermißt. Durch die Drehung auf der Stelle werden nacheinander die Hinder¬ nisse in der Umgebung von den einzelnen Sensoren des autono-

men mobilen Systems erfaßt und im Anschluß daran können die Meßergebnisse der Zellen der Umgebungskarte ausgewertet wer¬ den, um fehlerhafte Sensoren zu ermitteln.

Vorteilhaft lassen sich für das erfindungsgemäße Verfahren sowohl optische als auch akustische Sensoren verwenden.

Im folgenden wird die Erfindung anhand von Figuren weiter er¬ läutert.

Figur 1 zeigt eine zellular strukturierte Umgebungskarte. In Figur 2 und 3 sind die Konsistenzmaße in Abhängigkeit da¬ von angegeben wieviel Sensoren die betreffende Gitterzelle als belegt oder frei angesehen haben, während der zu bewer- tende Sensor diese als belegt klassifiziert hat.

In Figur 4 und 5 sind die Konsistenzmaße in Abhängigkeit da¬ von angegeben wieviele Sensoren die betreffende Gitterzelle als belegt bzw. frei klassifiziert haben, während der zu be¬ wertende Sensor diese als frei klassifiziert hat. In Figur 6 ist ein Beispiel für einen Selbsttest zur Kali¬ brierung von Meßsensoren angegeben.

Figur 7 und 8 geben ein Ausführungsbeispiel zur Kalibrierung nach dem erfindungsgemäßen Verfahren an.

Figur 1 zeigt eine Umgebungskarte die nach einem Verfahren aus dem Stand der Technik aufgebaut wurde. Mit 1 sind freie Zellen der zellular strukturierten Umgebungskarte bezeichnet mit 2 sind Zellen bezeichnet, welche mit großer Wahrschein¬ lichkeit nicht belegt sind und mit 3 sind Zellen bezeichnet, welche mit großer Wahrscheinlichkeit Hindernisse darstellen. Mit 4 ist die Spur des autonomen mobilen Systems angegeben.

In dem bekannten Verfahren zum Aufbau einer zellular struktu¬ rierten Umgebungskarte U beispielsweise nach Elfes [6, 7] wird diese mit Hilfe eines vereinfachten probablistischen Sensormodells [5] durch die eingehenden Messungen M aufge¬ baut. Dieses ideale Sensormodell zeichnet sich dadurch aus,

daß seine Wahrscheinlichkeitsdichteverteilung durch das Kro¬ necker-Delta bestimmt ist. Durch die diskrete Zufallsvariable X mit den beiden Zuständen OCC und FREE wird für jede ein¬ zelne Zelle C- _j _ der Belegungszustand durch die Wahrschein- lichkeit

beschrieben. Bei einer Modifikation des Belegungszustandes infolge einer Messung werden erfindungsgemäß zusätzlich die für diese Messung verantwortlichen Sensoren protokolliert. Demnach erhält jede in der Umgebungskarte befindliche Zelle neben der Belegungswahrscheinlichkeit eine zugeordnete Liste von Sensoren, die diese Zelle als belegt bzw. unbelegt "gesehen" haben. Durch die Bewegung des AMS bei parallelem Messen werden von verschiedenen Sensoren aus verschiedenen Blickwinkeln wieder¬ holt Aussagen über den Belegungszustand der Zellen gemacht. Die so berechneten Wahrscheinlichkeiten ergeben das Bild in Figur 1 wobei:

Unter der Annahme, daß sich die fehlerfreien Sensoren in ih¬ ren Aussagen bestätigen, können fehlerhafte Sensoren anhand mehrfach auftretender Widersprüche bzgl. des Belegungszustan¬ des von Kartenzellen erkannt werden. Kartenzellen mit einer hohen Aussagekraft über den Zustand von Sensoren sind bei¬ spielsweise diejenigen, die eine sehr hohe Redundanz R

mit der Entropie H [8]

aufweisen.

Für die Bewertung der Sensoren stehen beispielsweise für jede Zelle C _j folgende Informationen zur Verfügung:

• ¹ _O C _C Liste der Sensoren, die diese Zelle als belegt charakterisiert haben.

• IpREE Liste der Sensoren, die diese Zelle als frei charakterisiert haben.

• ⁿ _OC C Anzahl der Sensoren, die diese Zelle als belegt charakterisiert haben. • nj-REE Anzahl der Sensoren, die diese Zelle als frei charakterisiert haben.

• P(C _j _ | {M} _t ) Belegungswahrscheinlichkeit nach Glei¬ chung (1) .

Anhand jeder Zelle lassen sich somit Maße für den Zustand der beteiligten Sensoren ableiten. Um die Frage zu beantworten, welche Zellen zu welchen Zeitpunkten ausgewertet werden sollen, können bevorzugt zwei Anwendungsfälle unterschieden werden:

l.Selbsttest:

Für die Durchführung eines Selbsttests, wie er auch in Fi¬ gur 6 erläutert wird, eignet sich als Fahrmanöver insbe¬ sondere das Drehen des AMS auf der Stelle. Dadurch wird eine hohe Überdeckung der Sensorwahrnehmungsbereiche und damit eine hohe Redundanz nach Gleichung (2) erreicht. Nach Abschluß der Drehbewegung sind dann vorzugsweise alle Kartenzellen auszuwerten.

2.On-Line-Überwachung:

Die oft geradlinige Bewegung des Fahrzeugs führt dazu, daß sich die Wahrnehmungsbereiche nicht aller Sensoren überschneiden. Um eine hohe Redundanz zu erreichen, sollten die Kartenzellen bevorzugt erst dann ausgewertet werden, wenn sie sich außerhalb des Wahrnehmungsberei¬ ches aller Sensoren befinden. Andererseits wird bei¬ spielsweise aus Speicherplatzgründen die verwendete

Karte vom Fahrzeug fortlaufend mitgeführt. Die Bewegung des Fahrzeugs führt nun dazu, daß Zeilen und Spalten am Rand der Karte gelöscht werden. Dies ist notwendig, da¬ mit Speicherplatz für den Wahrnehmungsbereich geschaffen wird, in den das AMS vordringt. Genau diese Kartenzellen sind für eine On-Line-Fehlererkennung wichtig, da sie ein Maximum an Redundanz aufweisen.

Zur Beurteilung eines Sensors Sj zum Zeitpunkt t dient dabei die Wahrscheinlichkeit

der Zufallsvariablen Y mit den Zuständen OK und KO. Diese ist abhängig von der Konsistenz K der bis zum Zeitpunkt t ausge¬ werteten Kartenzellen {C} . Die Konsistenz ist ein Maß dafür, inwieweit die Aussage eines Sensors Sj mit den Aussagen ande¬ rer Sensoren hinsichtlich der betrachteten Kartenzelle Cj_ übereinstimmt. Aus der Karte können für jede Zelle für jeden beteiligten Sensor Sj , d.h. dieser Sensor ist in mindestens einer der oben genannten Listen eingetragen, diese Konsis- tenzmaße abgeleitet werden.

Die bedingte Wahrscheinlichkeit P(Kj_|Sj) beschreibt die Kon¬ sistenz für den Fall, daß die Aussage des Sensors richtig ist, P(K-j -ιSj) unter der hypothetischen Annahme, daß sich der Sensor in seiner Aussage täuscht.

Mit Hilfe der Konsistenzmaße lassen sich unter Verwendung der Bayeε' sehen Regel die Wahrscheinlichkeiten für den Sensorzu- stand aus Gleichung (4) dann wie folgt aktualisieren.

Die Konsistenz einer Zelle C _j _ hinsichtlich einer Charakteri¬ sierung des Belegungszustandeε von einem Sensor Sj , wird in Gleichung (5) durch eine Wahrscheinlichkeit beschrieben. Diese wird abhängig davon, ob die Charakterisierung des Sen¬ sors Sj für diese Kartenzelle richtig (OK) oder falsch (KO) war, wie folgt bestimmt. Zunächst werden dazu bevorzugt die Belegungswahrscheinlichkeiten der betreffenden Zelle der Um¬ gebungskarte U für zwei Fälle berechnet. P _Q ^ entspricht der hypothetischen Belegungswahrscheinlichkeit, falls der Sensor S _j eine wahre Charakterisierung vornimmt, P^ _Q ist die hypo¬ thetische Wahrscheinlichkeit, falls der Sensor S _j eine fal¬ sche Charakterisierung vornimmt.

Je nachdem, ob der betreffende Sensor die Kartenzelle belegt (OCC) oder frei (FREE) charakterisiert, berechnen sich diese Wahrscheinlichkeiten zu

OCC :

FREE :

Mit Hilfe von Gleichung (9) werden diese Größen auf die Kon¬ sistenzgrößen abgebildet.

Mit dem Parameter α kann als Gewichtungsfaktor eingestellt werden, wie stark sich die Auswertung einer Kartenzelle auf die Sensorbewertung auswirken soll. Für α sind vorzugsweise je nach Charakterisierung des Belegungszustandes durch den betrachteten Sensor verschiedene Werte zu wählen:

OCC : > 0.5

FREE : a < 0.5

Je weiter α von 0.5 entfernt ist, desto stärker schlägt sich die Auswertung der betrachteten Kartenzelle C-j_ auf die Bewer¬ tung des Sensors Sj nieder.

Die Figuren 2 und 3 zeigen die Konsistenzmaße (K-L | SJ ) und P(K _j _ | -iS _j ) in Abhängigkeit davon, wieviele Sensoren die betreffende Kartenzelle als belegt bzw. frei klassifiziert haben. Nach oben ist die Wahrscheinlichkeit P aufgetragen nach hinten die Anzahl der freien Zellen n _FREE und nach rechts die Anzahl der belegten Zellen n _occ . Diese Art der Achsenauf¬ teilung gilt auch für die Figuren 4 und 5. In den Figuren 2 und 3 wird davon ausgegangen, daß der betreffende zu bewer¬ tende Sensor die jeweiligen Gitterzellen als belegt charakte¬ risiert hat. In den Figuren 4 und 5 wird davon ausgegangen, daß der betreffende Sensor die jeweiligen Zellen als frei charakterisiert hat. In Figur 2 und 3 erfolgt die Darstellung für den Fall, daß eine OCC-Charakterisierung vorgenommen wurde und α 0.75 beträgt. In Figur 4 und 5 erfolgt die Dar¬ stellung für den Fall, daß eine FREE-Charakterisierung vorge- nommen wurde und α 0.25 beträgt. Anhand der Abbildungen wird folgendes deutlich:

• Für Kartenzellen mit n R _EE = nocc beträgt die Belegungs- wahrscheinlichkeit 0.5 und in der Information dieser Zelle ist praktisch keine Redundanz vorhanden. Deshalb läßt sich keine gesicherte Aussage über den Zustand der betreffenden Sensoren machen. Die Konsistenzmaße sind demnach nahezu 0.5 und haben damit in Verbindung mit Gleichung (6) kaum Einfluß auf die Sensorbewertung. • Sehr stark unterschiedliche n _E R _EE ^{unci n} OCC führen zu von 0.5 verschiedenen Konsistenzmaßen, die in Verbindung mit Gleichung (6) Ausdruck von

Bestätigung bzw.

Widerspruch sind. Die Entscheidung, ob ein bestimmter Sensor als defekt oder funktionsfähig eingestuft wird, kann anhand von Schwellwerten für P(S _j \ {K},) durchgeführt werden.

Neben der Erkennung von Sensordefekten in unbekannter Umge¬ bung bietet sich die Möglichkeit einer Sensorkalibrierung. Aufgabe einer Sensorkalibrierung ist es, die Parameter P ei¬ nes funktioneilen Zusammenhangs f

zwischen Sensormeßwert M und einer weiterverarbeitbaren Aus¬ sage A zu bestimmen. Dazu wird bevorzugt zu jeder Messung M die zugehörige Aussage A benötigt. Der Ansatz basiert auf einer Erzeugung der Referenzaussagen durch die Messungen an¬ derer funktionsfähiger und hinreichend gut kalibrierter Sen¬ soren. Die Aussagen der eingehenden Sensormessungen beziehen sich auf den Belegungszustand der zugehörigen Zelle. Die Frage nach der Zelle, die einem Sensormeßwert entspricht, wird durch den Zusammenhang

beantwortet. Zur Identifikation des Zusammenhangs, d.h. der Bestimmung der relevanten Parameter P muß zu einer Messung M eine gesicherte Belegungshypothese für die zugehörige Zelle C durch Auswertung der in der Karte gespeicherten Information bestimmt werden. Eine konkrete Realisierung für Ultraschall- Entfernungssensoren wird in Figur 6 beschrieben.

Figur 6 zeigt ein Beispiel des erfindungsgemäßen Verfahrens, mit welchem ein Selbsttest zur Kalibrierung von Meßsensoren des autonomen mobilen Systems AMS durchgeführt werden kann. Innerhalb seiner Umgebung befindet sich das AMS zwischen den Hindernissen Hl bis H5 und zugehörige Sensoren sind bei- spielsweise in einer Auswertetabelle AW mit ihren Bewertungen

angegeben. In dieser Auswertetabelle sind lediglich die Sen¬ soren Sl, S7 und S17 bezeichnet, der Test kann jedoch ohne Beschränkung der Erfindung für beliebige Sensoren des Systems _d urchgeführt werden. Nach dem erfindungsgemäßen Verfahren ist der Sensor S17 schadhaft, da seine Meßergebnisse nicht von den restlichen Sensoren des autonomen mobilen Systems MS beim Selbsttest bestätigt werden. Das Konsistenzmaß ist sehr ge¬ ring, was durch den großen schwarzen Balken B und einem klei¬ nen grauen Balken angedeutet wird. Je nach Art und Anzahl der verwendeten Sensoren können beispielsweise schadhafte Senso¬ ren ausgeschaltet oder angezeigt bzw. kalibriert werden.

Erfindungsgemäß ist die Erkennung all jener Sensorfehler, welche zu Widersprüchen innerhalb der Karte führen, wie bei- spielsweise

• "schielende" Sensoren -» Sensoren mit falsch parame- trierter HauptStrahlachsenrichtung

• "träumende" Sensoren -> Sensoren, die nicht vorhandene Objekte sehen • "blinde" Sensoren -> Sensoren, die keine Objekte wahrnehmen vorgesehen und möglich. Der hellgraue Anteil des jeweils sen- sorbezogenen Balkens in Figur 6 repräsentiert dabei die Wahr¬ scheinlichkeit P( S _j \ {K} _l ) als Maß für die Fehlerfreiheit eines Sensors.

Der Selbsttest wird beispielsweise in der unpräparierten Ein- satzumgebung des AMS durchgeführ . Dieses AMS dreht sich da¬ bei beispielsweise mit einer Winkelgeschwindigkeit von ca. 20 °/s um 360°. Die Messungen werden online in die Karte einge- tragen. Nach Beenden der Drehung wird die Karte ausgewertet. Für die Klassifikation der Sensoren hat sich ein Schwellwert von 0.3 bewährt. Durch den Selbsttest konnte dabei ein Defekt des Sensors S ₁₇ detektiert werden.

Figur 7 zeigt anhand eines Beispiels die Kalibrierung eines Meßsensors nach dem erfindungsgemäßen Verfahren. Es wird da¬ bei aufgezeigt, in welcher Weise die aufgebaute Umgebungs-

karte für eine Kalibrierung der beteiligten Sensoren herange¬ zogen werden kann. Hier wird die Bestimmung der tatsächlichen Hauptstrahlachsenrichtung b eines Ultraschallsensors US im Koordinatensystem des AMS durchgeführt

Unter Verwendung von Gleichung (11) wird dazu bevorzugt für jede Messung M^ eines zu kalibrierenden Sensors US mit den aktuellen Sensorparametern Pj die entsprechende Kartenzelle C _j der aus den Messungen der anderen Sensoren aufgebauten Um- gebungskarte bestimmt. Für die tatsächliche Position des de- tektierten Hindernisses ergibt sich wegen der niedrigen Win¬ kelauflösung sowie der möglichen Verstellung des Sensors der in Figur 7 dargestellte Hindernisbereich H. Innerhalb dieses Hindernisbereiches H kann erfindungsgemäß die wahrscheinlichste Hypothese Cjjyp für die zur Messung ^ gehörende Zelle gefunden werden. Der Korrekturwert Δß der Sensorhauptstrahlrichtung b ergibt sich, wie das in Hilfsfi¬ gur 8 näher dargestellt ist, mit 1 als gemessener Entfernung und d als kartesischem Abstand zwischen den Kartenzellen Cj und Cjjyp zu

und wird beispielsweise einem Optimierverfahren zugeführt. Als Algorithmus kann bevorzugt ein Extended-Kaiman-Filter im¬ plementiert werden. Eine Übertragung des Verfahrens auf einen Anwendungsfall, bei dem neben statischen Parametern auch dynamische Zustandsvariablen , wie z.B. Odometrieparameter geschätzt werden müssen, ist ebenfalls realisierbar. Durch diese Anwendung des erfindungsgemäßen Verfahrens konnte die Hauptstrahlachsenrichtung bis auf ±3° genau korrigiert werden.

Literatur

[ ₁ ] Rencken W.D, Leuthäusser I., Bauer R., Feiten W., La- witzky G., Möller M., Low-Cost Mobile Robots for Complex Non-Production Environments, Proc. Ist IFAC Int. Workshop on Intelligent Autonomous Vehicles, April 1993. [2] Beckerman M., Oblow E. M. : Treatment of Systematic Er- rors in the Processing of Wide-Angle Sonar Sensor Data for Robotic Navigation, IEEE Transactions on Robotics and Au¬ tomation, vol. 6, No. 2, April 1990. [3] Borenstein J., Koren Y. : The Vector Field Histogramm - Fast Obstacle Avoidance for Mobile Robots, IEEE Transacti¬ ons on Robotics and Automation, Vol. 7, No. 3, 1991. [4] Borenstein J., Koren Y. : Real-Time Obstacle Avoidance for Fast Mobile Robots, IEEE Transactions on Systems, Man, and Cybernetics, 19 (5), 1989, 1179-1187. [5] Matthies L., Elfes A. : Probablistic Estimation Mecha- nisms and Testrelated Representations for Sensor Fusion, Proc. of the SPIE - The International Society for Optical Engeneering, 1003, 1988,2-11. [6] Elfes A. : Dynamic Control of Robot Perception Using Sto- chastic Spatial Models, Information Processing in Autono¬ mous Mobile Robots, Proceedings of the International Workshop in Munich, Germany 6-8 March 1991, Springer-Ver¬ lag, Berlin, Germany, 1991. [7] Elfes A. : Dynamic Control of Robot Perception Using Multi-Property Inference Grids, Proceedings of the 1992 IEEE International Conference on Robotics and Automation, Nice France, May 1992.

[8] Shannon C.E., Weaver W. : The Mathematical Theory of Com- munication, University of Illinois Press, 1949.