Introducción a laRobótica MóvilProf. Dr.Eng. Fernando Passold
Introducción a la Robótica Móvil     Sumario                                                             6. Modelaje del E...
Introducción a la Robótica Móvil     Bibliografía recomendada     [Torres, 2002]       Torres, Ferando; Pomares, Jorge; Gi...
Fusión                      ió     5. Integración Sensorial     Definición: Consiste en la utilización de información prov...
5. Integración Sensorial     Formas de Integración Sensorial:     ⊕ Integración Competitiva: dos o mas sensores generan in...
5. Integración Sensorial     Formas de Integración Sensorial −     Ejemplo:Introducción a la Robótica Móvil         6
5. Integración Sensorial     Enfoques para integración sensorial     Estático:        información captada en un único inst...
5. Integración Sensorial    Enfoques para integración sensorial    Estático:         información capturada en un único ins...
5. Integración Sensorial    Enfoques para integración sensorial    Estático:         información capturada en un único ins...
5. Integración Sensorial    Enfoques para integración sensorial    Estático:         información capturada en un único ins...
5. Integración Sensorial    Enfoques para integración sensorial    Estático:         información capturada en un único ins...
5. Integración Sensorial    Enfoques para integración sensorial    Estático:         información capturada en un único ins...
5. Integración Sensorial     Otros métodos:     1) Método del         promedio ponderado          → Uso de promedios y ana...
5. Integración Sensorial     Proyecto de los Sensores usados:     → Factores involucrados:     ⊗ Complexidad de los dispos...
5. Integración Sensorial     Proyecto de los Sensores usados:     → Factores involucrados:     ⊗ Complexidad de los dispos...
5. Integración Sensorial     Proyecto de los Sensores usados:     → Factores involucrados:     ⊗ Complexidad de los dispos...
5. Integración Sensorial     Proyecto de los Sensores usados:     → Factores involucrados:     ⊗ Complexidad de los dispos...
5. Integración Sensorial      • Visión Estéreo (Stereoscopy):            a                 b  A                 B    A’   ...
5. Integración Sensorial     • Visión Estéreo (Stereoscopy):     Sistema de visión estéreo del robot Robin de      la Univ...
5. Integración Sensorial     Especificación lógica de sensores:     Cada sensor se modela mediante:     •   Nombre lógico;...
5. Integración Sensorial     • Modelado de los Sensores:     Cada sensor se modela teniendo‐se en cuenta:          – Model...
Probability density functions…     5. Integración Sensorial   • Modelado de los Sensores:        – Modelo de observación: ...
5. Integración Sensorial     • Modelado de los Sensores:          – Modelo de observación: capacidad de obtener informació...
5. Integración Sensorial     • Modelado de los Sensores:          – Modelo de observación: capacidad de obtener informació...
5. Integración Sensorial     • Modelado de los Sensores:          – Modelo de observación: capacidad de obtener informació...
5. Integración Sensorial     • Modelado de los Sensores:          – Modelo de observación: capacidad de obtener informació...
5. Integración Sensorial     • Modelado de los Sensores:          – Modelo de observación: capacidad de obtener informació...
5. Integración Sensorial     • Modelado de los Sensores:          – Modelo de observación: capacidad de obtener informació...
5. Integración Sensorial     • Modelado de los Sensores:      ⇒ Modelo final: elipsoides de incertidumbres:               ...
5. Integración Sensorial     • Modelado de los Sensores:      ⇒ Modelo final: elipsoides de incertidumbres:               ...
Pausa para caféIntroducción a la Robótica Móvil                     31
Introducción a laRobótica MóvilProf. Dr.Eng.* Fernando Passold*Dr. Eng: Universidad Federal de Santa Catarina (UFSC),  Dep...
Upcoming SlideShare
Loading in …5
×

Introducción a la Robótica Móvil - part 3/4

878 views

Published on

Third part of a spanish intro pre-grad. course of Mobile Robotics. en esta parte tratase de: Integración Sensorial (o Fusi;on Sensorial), Como hacer, Enfoques, Proyectos de los sensores, Modelado de los sensores (teorema De Bayes), Elipsóides de Incertidumbres, - Material de 2009 (Carreta de Ingenieria Eléctrica - Pontificia Universidad Católica de Valparaiso - Chile - 2009).

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
878
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
40
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Introducción a la Robótica Móvil - part 3/4

  1. 1. Introducción a laRobótica MóvilProf. Dr.Eng. Fernando Passold
  2. 2. Introducción a la Robótica Móvil Sumario 6. Modelaje del Entorno 1. Tipos de Robots Definición Diferencia robot manipulador x Robot Móvil; Uso de landmarks Características do robot móvil; Descomposición geométrica del entorno Fusión geométrica o "map building" 2. Aplicaciones de robots móviles Formas de modelaje del entorno 3. Robots móviles terrestres 7. Arquitecturas de Robots Móviles Tipos de tracción para robots móviles terrestres; Reactivas Por planeamiento (Deliberativas) 4. Sensores Basado en Comportamiento Tipos de Sensores; Descomposición Funcional del Sistema de  Fuentes de Errores Control Actividades del Control por Comportamiento 5. Integración (o Fusión) Sensorial Arquitecturas híbridas Definición Ejemplos de Arquitecturas de Controle Formas de Integración Sensorial 8. Tendencias Futuras: Enfoques para Integración Sensorial Otros métodos Bibliografía Proyecto de los Sensores utilizados Bibliografía Recomendada Especificación Lógica de Sensores Codec MPEG4: Quick Modelaje de los Sensores Time MPEG2 Video Decoder:Introducción a la Robótica Móvil 2
  3. 3. Introducción a la Robótica Móvil Bibliografía recomendada [Torres, 2002] Torres, Ferando; Pomares, Jorge; Gil, Pablo; Puente, Santiago T.; Aracil,  Rafael; Robots y Sistemas Sensoriales, Pearson Educación, Madrid, p. 480,  2002. [Siegwart, 2004] Siegwart, Roland and Nourbakshsh; Introduction to Autonomous Mobile  Robots, Bradford Books/The MIT Press, Massachusetts, p. 321, 2004.  http://www.mobilerobots.org [Thurn, 2006] Thurn, Sebastian; Burgard, Wolfram; Fox, Dieter; Probabilistic Robotics,  The MIT Press, Massachusetts, p. 647, 2006. [Murphy, 2000] Murphy, Robin R.; Introduction to AI Robotics; Bradford Books/The MIT  Press, Massachusetts, p. 466, 2000 [Siciliano, 2008] Siciliano, Bruno; Khatib, Oussama (eds.), Springer Handbook of Robotics,  Springer, p. 1591, 2008. [Borenstein, 1996] J. Borenstein, J.; Everett, H. R., and Feng, L., Where am I? ‐ Systems and  Methods for Mobile Robot Positioning, p. 282, 1996. http://www‐personal.umich.edu/~johannb/position.htm http://www‐personal.umich.edu/~johannb/shared/pos96rep.pdf (12,5 Mb ‐ Disponible en May/2009)Introducción a la Robótica Móvil 3
  4. 4. Fusión ió 5. Integración Sensorial Definición: Consiste en la utilización de información proveniente de varios  sensores para actualizar un modelo del entorno del robot con la  meta de realizar alguna tarea. Planeamiento de Integración Tareas Sensorial • Integración multi-sensorial: uso Modelo del de información de varios entorno sensores para construir un modelo apropiado del mundo⇒ Subproductos: - calibración de sensores; para un determinado fin. - reducción de errores; - protección contra fallas; Integración Sensorial ⇒ Gerencia información ⇒ sensoriamento activoIntroducción a la Robótica Móvil 4
  5. 5. 5. Integración Sensorial Formas de Integración Sensorial: ⊕ Integración Competitiva: dos o mas sensores generan información del  mismo tipo sobre las mismas características de un objeto. ⊗ Integración Complementar: los sensores generan informaciones de  diferentes características (o de diferentes objetos); si obtiene información  por partes que se complementan entre si. ∅ Integración Cooperativa: la información deseada no puede ser obtenida  usando‐se solamente un sensor (información híbrida); típico cuando si  utiliza información de un sensor para encaminar un otro.Introducción a la Robótica Móvil 5
  6. 6. 5. Integración Sensorial Formas de Integración Sensorial − Ejemplo:Introducción a la Robótica Móvil 6
  7. 7. 5. Integración Sensorial Enfoques para integración sensorial Estático:  información captada en un único instante de tempo (una muestra). Dinámico:  evolución de la información en tiempo (serie de muestras). Ref: http://www.cs.washington.edu/ai/Mobile_Robotics/projects/ (figura asociad a “People Tracking”)Introducción a la Robótica Móvil 7
  8. 8. 5. Integración Sensorial Enfoques para integración sensorial Estático:  información capturada en un único instante de tempo (una muestra). Dinámico:  evolución de la información en el tiempo (serie de tomas). Simultaneo: todos los sensores al mismo tiempo. Secuencial: uso de sensores de forma secuencial  (normalmente exige conocimiento previo del medio).Introducción a la Robótica Móvil 8
  9. 9. 5. Integración Sensorial Enfoques para integración sensorial Estático:  información capturada en un único instante de tempo (una muestra). Dinámico:  evolución de la información en el tiempo (serie de tomas). Simultaneo: todos los sensores al mismo tiempo. Secuencial: uso de sensores de forma secuencial  (normalmente exige conocimiento previo del medio). Ejemplo: Un sensor de ultrasonido localiza un objeto  en el ambiente y en seguida un scanner à láser hace el mapeo solamente el objeto  para procesar solo los dados adquiridos del  objeto.Introducción a la Robótica Móvil 9
  10. 10. 5. Integración Sensorial Enfoques para integración sensorial Estático:  información capturada en un único instante de tempo (una muestra). Dinámico:  evolución de la información en el tiempo (serie de tomas). Simultaneo: todos los sensores al mismo tiempo. Secuencial: uso de sensores de forma secuencial  (normalmente exige conocimiento previo del medio). Método combinado: Ej.: buscar la curvatura de un canto de  objeto usando visión y sensor de  proximidad.Introducción a la Robótica Móvil 10
  11. 11. 5. Integración Sensorial Enfoques para integración sensorial Estático:  información capturada en un único instante de tempo (una muestra). Dinámico:  evolución de la información en el tiempo (serie de tomas). Simultaneo: todos los sensores al mismo tiempo. Secuencial: uso de sensores de forma secuencial  (normalmente exige conocimiento previo del medio). de Bajo Nivel: Combinación de información en las primeras etapas de su tratamiento. Información cuantitativa. Algoritmos dependen del sistema.Introducción a la Robótica Móvil 11
  12. 12. 5. Integración Sensorial Enfoques para integración sensorial Estático:  información capturada en un único instante de tempo (una muestra). Dinámico:  evolución de la información en el tiempo (serie de tomas). Ejemplo: extraer  Ejemplo: extraer  Simultaneo: todos los sensores al mismo tiempo. información simbólica  información simbólica  Secuencial: uso de sensores de forma secuencial  (normalmente exige conocimiento previo del medio). des datos captados por  des datos captados por  los sensores. Esto  los sensores. Esto  de Bajo Nivel: permite llegar a  permite llegar a  Combinación de información en las primeras etapas de su tratamiento. Información cuantitativa. deducciones del tipo:  deducciones del tipo:  Algoritmos dependen del sistema. 1) fueran detectadas unas  1) fueran detectadas unas  pocas caderas en una  pocas caderas en una  de Alto Nivel: la fusión si realiza a nivel del “conocimiento”. sala (hecho)  sala (hecho)  Métodos mas generales. 2) Si la sala é grande,  2) Si la sala é grande,  Información tratada de manera simbólica. ⇒ no es una sala de aula. ⇒ no es una sala de aula.Introducción a la Robótica Móvil 12
  13. 13. 5. Integración Sensorial Otros métodos: 1) Método del  promedio ponderado → Uso de promedios y analices estadísticas. 2) Método basado en decisión → si selecciona el sensor + confiable. Uso de una medida de “confianza” para  seleccionar un valor dentro de varias mediciones. 3) Método direccional → usa valores generados por un sensor para guiar la  adquisición y tratamiento + preciso (del entorno)  mediante otro sensor. El refinamiento de la  información es progresivo. Ej.: e‐puck.mpgIntroducción a la Robótica Móvil 13
  14. 14. 5. Integración Sensorial Proyecto de los Sensores usados: → Factores involucrados: ⊗ Complexidad de los dispositivos número de elementos; ⊕ Errores de observación (medidas) contribución de cada uno; incertidumbre de cada uno. ∅ Disparidad de observación Múltiplos pontos de observación Ej1: Escoger un sensor CCD de 500  o 1000 dpi!? Ej2: Trabajar con un encoder que  genera 500 o 1000 impulsos  por vuelta?Introducción a la Robótica Móvil 14
  15. 15. 5. Integración Sensorial Proyecto de los Sensores usados: → Factores involucrados: ⊗ Complexidad de los dispositivos ⊕ Errores de observación (medidas) ruido (interferencias del medio); ∅ Disparidad de observación errores de posicionamiento,  alienación y calibración de los  Múltiplos pontos de observación sensores. Ex.: medio con fuente de calor × sensores de IR del robot.Introducción a la Robótica Móvil 15
  16. 16. 5. Integración Sensorial Proyecto de los Sensores usados: → Factores involucrados: ⊗ Complexidad de los dispositivos ⊕ Errores de observación (medidas) Tipos de información; Transformación de un tipo de  ∅ Disparidad de observación información en otro (para  Múltiplos pontos de observación poder comparar o  complementar info.) Ej.: medición de presiones a través  de medidas de desplazamiento.Introducción a la Robótica Móvil 16
  17. 17. 5. Integración Sensorial Proyecto de los Sensores usados: → Factores involucrados: ⊗ Complexidad de los dispositivos Elementos de medición  distribuidos; ⊕ Errores de observación (medidas) Transferencia de información de  ∅ Disparidad de observación un sistema a otro (transformación  de coordenadas). Múltiplos pontos de observación Ej1: cinturón de sensores de  ultrasonido (cubriendo los 360o). Ej2: sistemas multi‐cameras 2 ⇒ estéreo visión (noción de  profundidad, modelado 3D).Introducción a la Robótica Móvil 17
  18. 18. 5. Integración Sensorial • Visión Estéreo (Stereoscopy): a b A B A’ B’ ( xl + xr ) / 2 ( yl + yr ) / 2 x=b y=b xl − xr xl − xr f z =b xl − xr [Torres, 2002; Siegwart, 2004]Introducción a la Robótica Móvil 18
  19. 19. 5. Integración Sensorial • Visión Estéreo (Stereoscopy): Sistema de visión estéreo del robot Robin de  la Universidad de Tübingen (Alemania) – Depto. De Ciencia da Computación [Ref: http://www‐ra.informatik.uni‐ tuebingen.de/forschung/service/welcome_e. html ] a b A B A’ B’ a) visión lado izquierdo. b) visión lado derecho. Ref. CMU ‐ 1977Introducción a la Robótica Móvil 19
  20. 20. 5. Integración Sensorial Especificación lógica de sensores: Cada sensor se modela mediante: • Nombre lógico; Vector de  Nombre lógico  salida de Comandos  • Vector de salida; del sensor datos de controle • Sub‐redes; Selector Control  interpretador de  • Seleccionador; Programa ... Programa comandos 1 n • Intérprete de comandos. . . . Entradas  Sensor Comandos para os  lógicas sensores lógicosIntroducción a la Robótica Móvil 20
  21. 21. 5. Integración Sensorial • Modelado de los Sensores: Cada sensor se modela teniendo‐se en cuenta: – Modelo de observación: capacidad de obtener información; – Modelo de estado: posición y estado interno de cada sensor. – Modelo de dependencia: capacidad de interactuar y intercambiar inforación;Introducción a la Robótica Móvil 21
  22. 22. Probability density functions… 5. Integración Sensorial • Modelado de los Sensores: – Modelo de observación: capacidad de  obtener información ⇒ Relacionado con la  precisión/capacidad del sensor: Curva gaussiana 50% 1 ⎛ ( x − µ )2 ⎞ Rango de  p ( x) = exp ⎜ − ⎟ 2σ 2 ⎠ d Mejor  medición σ 2π ⎝ rango de  µ=valor promedio; medición σ= desviación estándar (anchura de la curva); σ2=variancia.Introducción a la Robótica Móvil 22
  23. 23. 5. Integración Sensorial • Modelado de los Sensores: – Modelo de observación: capacidad de obtener información ⇒ Relacionado con la precisión/capacidad del sensor: Curva gaussiana 50% Cambio de precisión del sensor conforme faja del valor sendo medido: Rango de  d medición Mejor  Rango rango de  útil medición Medida  5 10 del  sensorIntroducción a la Robótica Móvil 23
  24. 24. 5. Integración Sensorial • Modelado de los Sensores: – Modelo de observación: capacidad de obtener información ⇒ Relacionado con la precisión/capacidad del sensor: Ejemplo: para un sensor CCD colorido: cual es la probabilidad de un píxel ser realmente azul?Introducción a la Robótica Móvil 24
  25. 25. 5. Integración Sensorial • Modelado de los Sensores: – Modelo de observación: capacidad de obtener información – Modelo de estado: probabilidad del sensor obtener la medida zi dado  el estado actual do robot. Ejemplo: un sensor de ultrasonido retorna un valor que está claramente fuera  de su rango de actuación. Este valor debe de ser descartado. Rango de operación del sensorIntroducción a la Robótica Móvil 25
  26. 26. 5. Integración Sensorial • Modelado de los Sensores: – Modelo de observación: capacidad de obtener información – Modelo de estado: probabilidad del sensor obtener la medida zi dado el estado actual  do robot. – Modelo de dependencia: si modela un conjunto de probabilidades  condicionadas (idea: confirmar valores medidos) P(b1 ∧ b2 | a ) = P(b1 | a ) • P(b2 | a ) 1) Modelo probabilístico:  Enfoque + comun: método  Bayesiano: Valor real: a Ejemplo: P(b1 ∧ b2 | a ) = P(b1 | a ) ⋅ P(b2 | a ) = P(a | b1 ∧ b2 ) Info. Sensor 1: Info. Sensor 2: P( x | y ) ⋅ P( y ) P( x | y ) = (Teorema de Bayes) P(x ) Idea ⇒ obtener una curva de  b1=10 b2=15 probabilidades asociadas a valores reales Cual es la medida correcta?Introducción a la Robótica Móvil 26
  27. 27. 5. Integración Sensorial • Modelado de los Sensores: – Modelo de observación: capacidad de obtener información – Modelo de estado: probabilidad del sensor obtener la medida zi dado el estado actual  do robot. – Modelo de dependencia: si modela un conjunto de probabilidades  condicionadas (idea: confirmar valores medidos) Idea ⇒ obtener una curva  de probabilidades  P(b1) P(b2) Pconjunto asociadas a valores reales Importancia ⇒ localización  de un objeto! (“certidumbre” del objeto  b1=10 b2=15 estar en el punto sensoriado)Introducción a la Robótica Móvil 27
  28. 28. 5. Integración Sensorial • Modelado de los Sensores: – Modelo de observación: capacidad de obtener información – Modelo de estado: probabilidad del sensor obtener la medida zi dado el estado actual  do robot. – Modelo de dependencia: si modela un conjunto de probabilidades  condicionadas (idea: confirmar valores medidos) y Objeto Importancia ⇒ localización  de un objeto! x Probabilidad Cono 3D “certeza” del  “Pista”: sabemos à priori  Pista y objeto estar en  el error que puede estar  este punto. asociado a cada sensor. xIntroducción a la Robótica Móvil 28
  29. 29. 5. Integración Sensorial • Modelado de los Sensores: ⇒ Modelo final: elipsoides de incertidumbres: elipsoides de incertidumbres Trayectoria  Elipsoides de error por  estimada por  incertidumbres el robot Posición  inicialIntroducción a la Robótica Móvil 29
  30. 30. 5. Integración Sensorial • Modelado de los Sensores: ⇒ Modelo final: elipsoides de incertidumbres: elipsoides de incertidumbres – La precisión de las medidas realizadas depende de diversos factores: • distancia hasta el objeto; • Sensor utilizado (IR, ultrasonido, microondas, láser, CCD, GPS); • Ondulaciones del terreno; • “Ruidos” generados por el entorno:  Ex.: calor × sensores IR, piernas de sillas × ultrasonido; • Reflexión de señales causadas por la propia configuración geométrica del  medio.Introducción a la Robótica Móvil 30
  31. 31. Pausa para caféIntroducción a la Robótica Móvil 31
  32. 32. Introducción a laRobótica MóvilProf. Dr.Eng.* Fernando Passold*Dr. Eng: Universidad Federal de Santa Catarina (UFSC), Dept. Automatización de Sistemas (DAS), Florianópolis,Brasil; Mr.Eng.: UFSC/Biomédica, Brasil

×