Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Presentazione Tesi Laurea Triennale

46.360 visualizaciones

Publicado el

Localizzazione e simultanea mappatura nella navigazione robotica mediante algoritmi genetici

Publicado en: Tecnología
  • Inicia sesión para ver los comentarios

Presentazione Tesi Laurea Triennale

  1. 1. Localizzazione e simultanea mappatura nella navigazione robotica mediante Algoritmi Genetici UNIVERSITÀ DEGLI STUDI DI TRIESTE FACOLTÀ DI INGEGNERIA Dipartimento di Elettrotecnica, Elettronica ed Informatica Tesi di Laurea in SISTEMI OPERATIVI Laureando: Lorenzo Zampese Relatore: Enzo MUMOLO Correlatore: Massimiliano NOLICH Anno Accademico 2007-2008
  2. 2. Obiettivi <ul><li>Creare ambiente di sviluppo/testing per algoritmi di tipo Simultaneous Localization And Mapping </li></ul><ul><li>(SLAM) per robot mobili </li></ul><ul><li>Integrazione/test Genetic Look-up based Algorithm for Scan Matching (Glasm) </li></ul><ul><li>Sviluppo e test di un algoritmo per l’esplorazione e mappatura (ad esempio: ricerca dei “varchi” tra gli ostacoli). </li></ul>
  3. 3. Sviluppo del lavoro <ul><li>Installazione di un simulatore client-server di robot mobili (Player-Stage) per testare algoritmi di tipo SLAM in ambiente Linux </li></ul><ul><li>Creazione di un “client” SLAM per Player-Stage, </li></ul><ul><li>integrazione di una libreria per Glasm, implementazione algoritmo esplorazione </li></ul><ul><li>Analisi dati su prove “indipendenti” </li></ul><ul><li>Analisi mappe prodotte da esplorazione </li></ul>
  4. 4. Il simulatore robotico Player Stage Client PLAYER STAGE (mondi a 2D) ROBOT REALE GAZEBO (mondi a 3D) tcp/udp simulazione interfacce del robot simulazione degli ambienti Cliente <ul><li>Programma scritto in </li></ul><ul><li>C </li></ul><ul><li>C++ </li></ul><ul><li>Java </li></ul><ul><li>Pyton </li></ul><ul><li>… </li></ul>
  5. 5. Algoritmo di Scan Matching <ul><li>Ricerca trasformazione ottimale che realizza la corrispondenza di un oggetto rispetto a un altro (locale e globale) </li></ul><ul><li>Basata su ricerca corrispondenze tra 2 scansioni di dati sensoriali quali laser </li></ul><ul><li>Applicazioni nella localizzazione dei robot, e computer-vision </li></ul>
  6. 6. Algoritmo di Scan Matching: risultati sperimentali <ul><li>Esempio errori di localizzazione : </li></ul><ul><li>Glasm e odometria Reale </li></ul>
  7. 7. Esplorazione di ambienti sconosciuti <ul><li>Problema 1 : ricostruire la mappa dell’ambiente dai dati sensoriali (laser) </li></ul><ul><li>Problema 2 : Localizzazione del robot all’interno dell’ambiente </li></ul><ul><li>Problema 3 : come determinare il percorso utile per realizzare l’esplorazione </li></ul>
  8. 8. Il modello cognitivo utilizzato SENSE ACT PLAN Compiti dei blocchi: * Sense: Percezione * Plan: Modellazione-Pianificazione * Act: controllo motori
  9. 9. L'algoritmo di esplorazione Inizio Esiste “varco” inesplorato ? E’ la posizione di partenza ? Fine Back tracking No Si No Si Scegli “varco” di ampiezza maggiore e che conduce il più lontano possibile Sposta robot Registra dati (posizione, ambiente)
  10. 10. Risultati sperimentali <ul><li>Esplorazione con odometro ideale, e reale </li></ul>
  11. 11. Conclusioni <ul><li>Il corretto funzionamento del programma è stato verificato utilizzando diversi ambienti </li></ul><ul><li>Tutti gli algoritmi di scan-matching hanno un “accumulo di errori”. </li></ul><ul><li>Glasm realizza la localizzazione con un errore inferiore rispetto ad altri algoritmi, e può essere ulteriormente migliorato </li></ul><ul><li>L’algoritmo di esplorazione proposto è valido </li></ul>
  12. 13. Introduzione <ul><li>Robotica e dispositivi mobili </li></ul><ul><li>Molte possibilità di sviluppo, aspettative e interesse tecnico scientifico </li></ul><ul><li>Un classico problema aperto: Simultaneous Localization And Mapping (SLAM) </li></ul>
  13. 14. La simulazione effettuata <ul><li>nelle prove di local-scan-matching, Glasm migliora sensibilmente le stime odometriche </li></ul><ul><li>L’algoritmo di esplorazione realizza con successo la mappatura </li></ul><ul><li>Il tipico problema dell’accumulo d’errori, richiede l’ottimizzazione nel numero di spostamenti da compiere </li></ul>
  14. 15. Un Sistema robotico PC Microcontrollore Sensore di prossimità Sensore di temperatura Sensore di contatto Sensore di orientamento Sensore odometrico Attuatori
  15. 16. Sensori e attuatori (1) <ul><li>Sensori </li></ul><ul><ul><li>Di prossimità (Ultrasonici, laser) </li></ul></ul><ul><ul><li>Di contatto (Bumper) </li></ul></ul><ul><ul><li>Odometrici (Encoder ottici incrementali) </li></ul></ul><ul><li>Attuatori </li></ul><ul><ul><li>Motori a corrente continua </li></ul></ul>

×