Μελέτη και υλοποίηση αλγόριθμου για τον εντοπισμό ρομποτικού συστήματος με βάση την επέκταση του φίλτρου Kalman (ΕΚF)

Abstract

Σε αυτή την εργασία έγινε μια πρώτη προσέγγιση στο πρόβλημα του εντοπισμού ενός αυτόνομου ρομπότ. Αρχικά ασχοληθήκαμε με το γενικότερο πρόβλημα του εντοπισμού και της χαρτογράφησης, γνωστό ως SLAM, όμως τελικά απλουστεύσαμε το πρόβλημα και ασχοληθήκαμε μόνο με τον εντοπισμό, καθώς τα χρονικά πλαίσια της ολοκλήρωσης της εργασίας ήταν περιορισμένα. Αυτή δεν ήταν η μόνη απλούστευση που κάναμε στο αρχικό μας πρόβλημα. Ακόμη και το πρόβλημα του εντοπισμού είναι αρκετά πολύπλοκο στην γενική του μορφή. Έτσι περιοριστήκαμε σε εντοπισμό σε ένα δωμάτιο με το ρομπότ να κάνει ένα μόνο βήμα ξεκινώντας από γνωστή θέση και με γνωστό χάρτη. Αν δει κανείς τη βιβλιογραφία θα διαπιστώσει ότι το πρόβλημα του εντοπισμού μελετάται από τα μέσα της δεκαετίας του 80 και έχει διερευνηθεί σε πολύ μεγάλο βαθμό. Το αποτέλεσμα που επιδιώκουμε με αυτή την εργασία είναι να δοθεί ένα απτό παράδειγμα, μια εφαρμογή ορισμένων τεχνικών εντοπισμού που εμφανίζονται στη βιβλιογραφία. Ιδιαιτέρως μας ενδιέφερε να εφαρμόσουμε το φίλτρο Kalman και να δούμε πόσο καλά διορθώνει την αρχική εκτίμηση της θέσης που έχουμε από την οδομετρία. Αυτό το παράδειγμα χρησιμοποιεί έναν αισθητήρα (laser sensor) που μπορεί να θεωρηθεί κλασικός, μιας και στη βιβλιογραφία χρησιμοποιείται εδώ και πολλά χρόνια και δίνει αξιοπρεπείς λύσεις στο πρόβλημα. Διαβάζοντας αυτό το παράδειγμα ελπίζουμε ότι νέοι σπουδαστές θα μπορέσουν να εισαχθούν γρήγορα στο πρόβλημα του εντοπισμού ενός αυτόνομου ρομπότ και να αποκτήσουν μια καλή εικόνα για τις παραμέτρους που υπεισέρχονται σε αυτό το πολύπλοκο πρόβλημα. Επίσης, μπορεί να αποτελέσει τη βάση για την ανάπτυξη πιο πολύπλοκων αλγόριθμων για την επίλυση του προβλήματος του εντοπισμού. Θέλω να ευχαριστήσω τον επιβλέποντα Καθηγητή αυτής της εργασίας, τον κ. Ιωάννη Καλόμοιρο, ο οποίος με βοήθησε υποδεικνύοντας τον τρόπο προσέγγισης της εκτεταμένης βιβλιογραφίας που υπάρχει σχετικά με το πρόβλημα του εντοπισμού. Επίσης, με βοήθησε και σε κάθε επιμέρους βήμα αυτής της εργασίας. Χωρίς τη βοήθειά του αυτή η εργασία δεν θα μπορούσε να υλοποιηθεί. Η εφαρμογή σχεδιάστηκε εξολοκλήρου με τη βοήθεια του λογισμικού Lab View 2011, που επιτρέπει εύκολη οπτικοποίηση των αποτελεσμάτων.

In this essay the stochastic problem of tracking a robot (self tracking) that moves in a plane is investigated. A calculating model that has been created in Lab View is used for the investigation. This model creates the following 1. A map of the indoor space with landmarks (the four walls) 2. A simulation of a laser scanner which takes measurements from the walls and is supposed to be fitted (physically) on the robot. In these measurements we include a simulated Gaussian error. 3. From the measurements we extract landmarks (r distance and a angle of each wall from the robot pose), witch we compare with the available map of the world. Finally we apply the Kalman filter (specifically the Extended Kalman Filter) to reduce the starting uncertainty witch is inserted in the model from basic odometry calculations. This project has mainly an educational purpose in that it creates a virtual environment that simulates the problem of robot self detection in an indoor environment. The project can also stand as a base for further research as different error models and mathematical stochastic filters can be applied and tampered with. Also different maps can be used on the model that is offered in this project and the model can be used as a base for many extensions of the basic self detection problem witch it solves. The basic conclusion derived from this study is that the virtual environment created here is suitable for educational purposes as it offers a tool for quick supervision of a simplified version of the more general and difficult problem of robot self detection in indoor environments.