Navigazione di un robot mobile e autolocalizzazione con riferimenti visivi

1. UNIVERSITÀ DEGLI STUDI DI TRIESTE
FACOLTÀ DI INGEGNERIA
Dipartimento di Elettrotecnica, Elettronica ed Informatica
Tesi di Laurea in
”PROGRAMMAZIONE DEI CALCOLATORI”
”Navigazione di un robot mobile e autolocalizzazione
con riferimenti visivi”
Laureando: Relatore:
De Franceschi Daniel Prof. Massimiliano Nolich

2. Introduzione
 Navigazione di un robot mobile con percorso
minimo tra due punti data una mappa nota
 Autolocalizzazione con riferimerimenti visivi per
la correzione degli errori odometrici
 Motivazione: effettuare navigazione con
localizzazione
Il robot mobile utilizzato per la verifica della
autolocalizzazione è su ruote ed è dotato di:
 Sensori di prossimità
 Webcam
 Motori con sensori odometrici

3. Robot fisico

4. Strumenti software impiegati
 Ambiente Player-Stage
 Librerie OpenCV (librerie orientate alla
computer vision)
 Algoritmo Dynamic Planar Warping (DPW)
preesistente in C++

5. Dynamic Planar Warping (DPW)
Basato sul Dynamic Time Warping algoritmo di ricerca di
correlazione tra campioni monodimensionali di ”segnali”
Il DPW applica il medesimo procedimento a immagini
bidimensionali in scala di grigio

6. Fasi del progetto
1)Navigazione in ambiente simulato in Java data
la mappa dell'ambiente
2)Localizzazione da riferimenti visivi
incapsulando da Java il DPW realizzato in C++
3)Disposizione riferimenti visivi e test sulle
prestazioni del metodo (nel caso di singola
coppia di riferimenti visivi)

7. 1) navigazione
1.1) Calcolo del percorso minimo tra due punti
 Caricamento mappa
 Costruzione del grafo
 Calcolo percorso minimo tramite Dijkstra

8. 1) navigazione
1.2) Missione di navigazione. Per ogni tratta:
 Lettura dei sensori
 Verifica dell'arrivo
 Rotazione verso l'obbiettivo (se nella vicinanza
non ci sono ostacoli) oppure allontanamento
dall'ostacolo (se il robot è troppo vicino a un
ostacolo)

9. 1) Navigazione

10. 2) Localizzazione

11. 2) Localizzazione

12. 2) Localizzazione
 Acquisizione immagine
 Estrazione dei landmark e caricamento delle
strutture dati
 Scala di grigi
 Filtratura
 Blob-finder
 Calcolo distanza dai landmark tramite DPW

13. 2) Localizzazione
Localizzazione del robot mediante Triangolazione
●
●Calcolo dell'angolo di
rotazione del robot

14. 3) Test: errore di distanza
2,000
1,500
1,000
0,500
0,000
-1,000 -0,500 0,000 0,500 1,000 1,500
-0,500
-1,000
Validi

15. 3) Test
Gli errori sulla distanza mettono in luce che:
 Sono abbastanza limitati (compresi tra i 3[cm] e i 33
[cm], in media 15 [cm])
Istrogramma di distribuzione degli errori sulle distanze (in metri)
10
9
8
7
6
5
4
3
2
1
0
X <= 0,05 0,05 < x <= 0,10 0,10< x<= 0,15 0,15 < x <= 0,20 0,20 < x <= 0,25 0,25 < x <= 0,30 x > 0,30
Numero errori sulla distanza per in-
tervallo
 Non sembra che ci siano correlazioni tra distanza dai
landmark ed errori

16. 3) Test
 Gli errori sugli angoli sono piuttosto limitati
(errore medio di 5°)
Istrogramma di distribuzione degli errori sugli angoli (in gradi)
12
10
8
6
4
2
0
x <= 3 3 < x <= 6 6 < x <= 9 9 < x <= 12 x > 12
Numero errori sull'angolo per intervallo

17. Limiti algoritmo DPW
L'algoritmo DPW presenta dei limiti qualora le
coordinate y sono ”negative” e qualora il robot sia
parallelo agli assi di diferimento assoluti.
Soluzione proposta:
 Muovere il robot
Altre possibilità:
 Inserimento di un terzo riferimento visivo
 Utilizzo di più coppie di riferimenti

18. Lavoro svolto
 Realizzazione della navigazione in Java e test
in simulato
 Studio geometria del problema e DPW in C++
 Realizzata la localizzazione in Java tramite
integrazione del DPW in C++
 Test algoritmo localizzazione

19. Conclusioni e sviluppi futuri
 La navigazione è stata simulata.
 Localizzazione visiva:
 Errore medio di distanza pari a 15 cm
 Errore medio dell'angolo pari a 5°
 Sviluppi futuri:
 Navigazione del robot reale
 Autolocalizzazione con più landmark
 Confronto dell'autolocalizzazione con altre tecniche
di stima della distanza dai riferimenti visivi