melhoria do desempenho do robot do serviço de limpeza

24
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 Computadores Major Automação João Manuel Ferreira Martins Orientador: Prof. Dr. Armando Sousa Julho de 2008

Upload: liberty-goodman

Post on 30-Dec-2015

19 views

Category:

Documents


2 download

DESCRIPTION

Melhoria do desempenho do robot do serviço de limpeza. Dissertação realizada no âmbito do Mestrado Integrado em Engenharia Electrotécnica e de Computadores Major Automação João Manuel Ferreira Martins Orientador: Prof. Dr. Armando Sousa Julho de 2008. Sumário. Objectivos Cleanrob - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: Melhoria do desempenho do robot do serviço de limpeza

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

Page 2: Melhoria do desempenho do robot do serviço de limpeza

Cleanrob 2

MIEEC 2008

Sumário

• Objectivos• Cleanrob• Fusão de informação• Arquitectura• Resultados• Conclusões• Trabalho Futuro• Demonstração

Introdução Base Fusão sensorial Arquitectura Resultados Conclusões Demonstração

Page 3: Melhoria do desempenho do robot do serviço de limpeza

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

Page 4: Melhoria do desempenho do robot do serviço de limpeza

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

Page 5: Melhoria do desempenho do robot do serviço de limpeza

Cleanrob 5

MIEEC 2008

Métodos de fusão de informação

Filtro 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.

Page 6: Melhoria do desempenho do robot do serviço de limpeza

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

Page 7: Melhoria do desempenho do robot do serviço de limpeza

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

Page 8: Melhoria do desempenho do robot do serviço de limpeza

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

Page 9: Melhoria do desempenho do robot do serviço de limpeza

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

Page 10: Melhoria do desempenho do robot do serviço de limpeza

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

Page 11: Melhoria do desempenho do robot do serviço de limpeza

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

Page 12: Melhoria do desempenho do robot do serviço de limpeza

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

Page 13: Melhoria do desempenho do robot do serviço de limpeza

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

Page 14: Melhoria do desempenho do robot do serviço de limpeza

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

Page 15: Melhoria do desempenho do robot do serviço de limpeza

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

Page 16: Melhoria do desempenho do robot do serviço de limpeza

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

Page 17: Melhoria do desempenho do robot do serviço de limpeza

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

Page 18: Melhoria do desempenho do robot do serviço de limpeza

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

Page 19: Melhoria do desempenho do robot do serviço de limpeza

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]

Page 20: Melhoria do desempenho do robot do serviço de limpeza

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.

Page 21: Melhoria do desempenho do robot do serviço de limpeza

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.

Page 22: Melhoria do desempenho do robot do serviço de limpeza

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

Page 23: Melhoria do desempenho do robot do serviço de limpeza

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

Page 24: Melhoria do desempenho do robot do serviço de limpeza

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)