MasterarbeitLatex/VorlageTeX/zusammenfassung.tex

\addchap{Zusammenfassung / Abstract}
\label{sec:zusammenfassung}
Die vorliegende Arbeit soll die Umsetzung einer Navigation eines autonom fahrenden Roboters mit einer Monokamera, speziell mit einem Smartphone, in Innenräumen mittels Computer Vision durch einen Machine- / Deep-Learning-Ansatz untersuchen. Dazu wird eine allgemeine Navigation für Innenräume im Vergleich zu einer speziell auf die Umgebung des späteren Einsatzbereichs implementierten Navigation untersucht. Hierbei wird die Navigation des Roboters in eine Zielnavigation und eine Hindernisvermeidung aufgeteilt und die trainierten Machine-Learning-Modelle auf einem Smartphone ausgeführt. Das Smartphone mit seiner Kamera dient gleichzeitig auch zur Aufnahme der Eingangsdaten für die Machine-Learning-Modelle und verarbeitet die Ausgaben dieser Modelle in Steuerbefehle für den Roboter. Die Evaluierung der Roboternavigation wird durch ein Experiment durchgeführt. Die Ergebnisse zeigten, dass eine Navigation eines Roboters auf Basis von Machine Learning umsetzbar ist. Es zeigten sich aus den Ergebnissen aber auch, dass ein Machine-Learning-Ansatz auf eine bekannte Umgebung und speziell darauf trainiert besser funktioniert als eine allgemeine Umsetzung der Navigation für alle Innenräume und Umgebungen.

\minisec{Abstract}
\label{abstract}
The present master thesis investigates the implementation of an autonomous robot navigation with camera specially with a smartphone in indoor environments by Computer Vision through Machine- / Deep Learning approach. This investigation compares an implementation of a general navigation for all indoor enviroments with an implementation of a specialized navigation for a known indoor environment. The navigation of the robot is splitted in a target navigation and in an obstacle avoidance and the Machine Learning models are executed by a smartphone. The smartphone with camera also records the input data for the Machine Learning models and processes the output of this models to control signals for the robot. The evaluation of the robot navigation is carried out by an experiment. The results show that a robot navigation based on Machine Learning is viable. The results show also that a Machine Learning Model that is special trained on known environments performs better than a general implementation of a navigation for all indoor environments.