XI Lezione - Arabo LAR Giath Rammo @ Libera Accademia Romana
Presentazione Tesi De Franceschi Daniel
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
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)
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
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