2008
Cleanrob
MIEEC 2008
Melhoria do desempenho do robot do serviço de limpeza
Dissertação realizada no âmbito do Mestrado Integrado em Engenharia Electrotécnica e de
ComputadoresMajor Automação
João Manuel Ferreira Martins
Orientador: Prof. Dr. Armando SousaJulho de 2008
Cleanrob 2
MIEEC 2008
Sumário
• Objectivos• Cleanrob• Fusão de informação• Arquitectura• Resultados• Conclusões• Trabalho Futuro• Demonstração
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 3
MIEEC 2008
Objectivos
• Estudo dos fundamentos teóricos: Fusão de informação Localização Arquitectura de sistemas robóticos autónomos
• Optimizar a montagem dos sensores.• Testar a utilização de sensores de baixo custo na localização.• Desenvolver os métodos de auto-localização:
Filtro de Kalman Extendido Filtro de Partículas
• Comparar os resultados dos dois métodos.
Introdução Fusão sensorial Base Arquitectura Resultados Conclusões Demonstração
Cleanrob 4
MIEEC 2008
CleanRobObjectivo: limpar os corredores do DEEC.
Locomoção: diferencial
Sensores:• Encoders
• Sharps/Sonares
• Câmara
Características relevantes:• Ligação wireless à internet
• Log replay
• Fácil upload de novos mapas
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 5
MIEEC 2008
Métodos de fusão de informaçãoFiltro de Kalman• Método “clássico”• Óptimo para sistemas lineares• Requisito: Distribuição gausssiana
Filtro de Kalman Extendido• Melhor filtro linear para sistemas não
lineares• Lineariza sistema em cada instante• Sem garantia teórica de convergência
Filtro de Partículas• Discretização do teorema de Bayes• Sequencias aleatórias de Monte Carlo• Partícula = Estado + Peso• Distribuição de probabilidade
multimodal• Permite resolver o rapto e a localização
global• A qualidade da aproximação é
proporcional ao nº de partículas
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Aproximaram-se os modelos de ruído dos sensores a distribuições gaussianas.
Cleanrob 6
MIEEC 2008
Técnicas usadas
Localização por linhas
• Funciona através da medição das distâncias a uma linha/parede.• Fornece um ângulo e uma distância relativas.
Localização por códigos de barras
•Funciona através da visualização de 1 CB.• Fornece uma pose completa (x, y, θ).
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 7
MIEEC 2008
Aquisição inteligente de sensores
• Libertar o programa principal do atendimento e tratamento dos dados dos sensores.
• Testes de verosimilhança (validação de medidas)• Fusão sensorial permite: redundância, complementaridade e cooperativismo
entre sensores. • Comunica por UDP ou IPC com o programa principal.
Exemplo: localização por linhas, duas distâncias são transformadas num ângulo e numa distancia.
Constituição básica do ISA
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 8
MIEEC 2008
Arquitectura
Resumo da arquitectura implementada
Arquitectura tecnológica – melhorada e adaptada da Tese do Eng. Fernando Pinto
Arquitectura híbrida modular : processo reactivo + processo hierárquico
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 9
MIEEC 2008
Resultados
São expostos apenas os casos mais interessantes:• EKF rastreio de posição usando códigos de barras e
linhas/paredes• FP rastreio de posição usando apenas sharps• EKF localização global usando códigos de barras
NOTA: As imagens foram criadas com o programa Log Replay e consistem na representação dos dados em intervalos de 20 ciclos de controlo.
As posições reais medidas manualmente são sobrepostas no mapa.
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 10
MIEEC 2008
EKF - rastreio de posição
EKF localização por CB e por linhas
Legenda
Azul : pose estimada
Vermelho : pose real medida
Preto : medidas dos sharps
Verde : ângulo dos sharps
Castanho : medida da câmara
x (m)
y (m)
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 11
MIEEC 2008
EKF - rastreio de posição
EKF localização por CB e por linhas, evolução das covariâncias
x (m)
y (m)
Legenda
Azul : pose estimada
Verde : elipse de covariâncias
Castanho : medida da câmara
Nota: Confiança é inversamente proporcional à incerteza
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 12
MIEEC 2008
EKF - rastreio de posição
Erro na localização em x e y. Erro na orientação.
• Erro em y menor que em x, graças às medidas laterais dos sharps.
• Erro na orientação com excepção do ponto inicial e final com valores muito baixos.
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 13
MIEEC 2008
FP - rastreio de posição
PF localização usando sharps.
A cinzento são assinaladas as zonas do mapa similares.
x (m)
y (m)
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 14
MIEEC 2008
EKF – localização global
EKF localização global, ganho de Kalman
Ganho de Kalman é:
•Maior, se a confiança na medida é elevada.
• Menor, se a confiança na previsão é elevada. x (m)
y (m)
Na pose final, o erro é menor que 10 cm e 8º.
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 15
MIEEC 2008
Conclusões• Verificadas na prática algumas das características típicas dos métodos de
fusão usados: No EKF, evolução das covariâncias e ganho de Kalman. No PF, localização global e dificuldade em resolver semelhanças no
mapa.• Comprovaram-se os benefícios das técnicas de localização por linhas e por
códigos de barras: O uso da localização por linhas permite extrair informação relevante
do ambiente, sem necessidade de o estruturar. O uso dos CB permitiu ao EKF resolver o problema da localização
global.
2008
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 16
MIEEC 2008
Conclusões• No PF, conclui-se que:
O cálculo da “melhor partícula” apresenta melhores estimativas. Muito eficaz na resolução da localização global.
• Em comparação o EKF apresentou melhores resultados, devido: Testes de verosimilhança, uso de CB, disposição dos sensores e tipo
de localização.• A estrutura criada é:
Robusta, modular e a localização apresenta boa qualidade em ambientes dinâmicos.
• Acções de divulgação cientifica e apresentação na sociedade civil: Artigo cientifico submetido a conferência futura. Reportagem na revista Visão, no Jornal de Notícias, na RTPN e
referência ao projecto na página oficial da BBC.
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 17
MIEEC 2008
Trabalho futuro• Implementar e testar diferentes algoritmos de localização:
Localização por grelhas. Filtro de Kalman multi-hipótese.
• Aumentar o nº e experimentar outros tipos de sensores.• Descobrir novos métodos de localização usando marcadores naturais.• Aquisição de sensores:
Sensores inteligentes. Testes de validação de medidas (verosimilhança).
• Aumentar o interesse do projecto: Testar o robot em novos corredores, tais como os do edifício B. Novas missões: entregar correio, acções de vigilância e guiar
pessoas.
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
Cleanrob 18
MIEEC 2008
Demonstração
Online: EKF usando localização de linhas e CBs. Offline: EKF usando localização de linhas e CBs.
Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração
2008
Cleanrob
MIEEC 2008
Obrigado pela atenção
Página da dissertação: www.fe.up.pt/~ee03122Página do projecto CleanRob: www.fe.up.pt/~cleanrob
João [email protected]
Cleanrob 20
MIEEC 2008
Filtro de partículas• População Inicial: espalha N
partículas pelo mapa.• Previsão: usa o modelo de odometria
para prever o estado.• Actualização: afectam-se os pesos
das partículas, de acordo com a prob à posteriori (se existirem medidas).
• Normalização: normaliza os pesos para que se mantenha uma distribuição prob.
• Pose estimada: 3 métodos estudados. • Re-amostragem: criar cópias das
partículas com pesos maiores.
Cleanrob 21
MIEEC 2008
EKF – localização global
EKF localização global usando CBs (inicio) EKF localização global usando CBs (fim)
• Robot parado perto de um CB. • Na pose inicial, o erro é ~:
6 metros; 90º.
Introdução Fusão sensorial Base Arquitectura Resultados Conclusões Demonstração
x (m)
y (m)
x (m)
y (m)
•Na pose final, o erro é ~: 10 centímetros; 8º.
Cleanrob 22
MIEEC 2008
Fusão de informação
Motivação para o uso da fusão de dados: • Imperfeição dos sensores (não linearidades, ruído)• Avaria de sensores• Limitações tecnológicas (um sensor não capta toda a informação)• Restrições físicas do sensor (alcance, fraca precisão, baixa resolução)• Complexidade do ambiente• Problemas com sistemas de tempo real
Introdução Fusão sensorial Base Arquitectura Resultados Conclusões Demonstração
Cleanrob 23
MIEEC 2008
FP - rastreio de posição
Erro na localização em x e y. Erro na orientação.
•Quando converge, o erro em y quase que se anula. O erro em x mantém-se constante perto dos 6 metros.
• O erro na orientação é também muito reduzido.
• Através da análise dos gráficos compreende-se a dificuldade em tratar zonas semelhantes do mapa.
Introdução Fusão sensorial Base Arquitectura Resultados Conclusões Demonstração
Cleanrob 24
MIEEC 2008
FP – localização global
Introdução Fusão sensorial Base Arquitectura Resultados Conclusões Demonstração
FP localização global usando sharps (fim)FP localização global usando sharps (inicio)
• Em 2segundos, o FP convergiu para a pose real.• Erro na pose final perto de 10 cm e 14º.
x (m)
y (m)
x (m)
y (m)