Штучний інтелект

Анотація: У роботі розглядається проблема навігації мобільних роботів та знаходження найоптимальнішого шляху до цілі в реальному часі на площині в оточенні невідомо розташованих об’єктів. Рухові дії робота повинні визначатися та адаптуватися до змін навколишнього середовища. При використанні тільки лазерних сканерів на мобільному роботі, об'єкти, які знаходяться вище чи нижче рівня лазерів, будуть залишатися перешкодами для робота. Розглянуто актуальні алгоритми та принципи навігації. Розширено існуючу систему розпізнавання перешкод у реальному часі з використанням лазерів шляхом додавання камери, яка розраховує довжину до об’єктів. Нова система була успішно реалізована та випробувана на мобільному роботі, забезпечуючи проходження шляху без зіткнень. Отримані результати моделювання представлені в роботі. Було досліджено існуючі проблеми навігації мобільних роботів, які рухаються на поверхні від свого положення до зазначеної мети на карті. Актуальною проблемою є неможливість помічати об’єкти, які розташовані не на одному рівні з рівнем лазерів мобільного робота. Більш того, завдання ускладнюється, коли потрібно розпізнавати такі об’єкти під час руху робота в реальному часі. Проаналізовано актуальні алгоритми та принципи навігації, приведені в минулих дослідженнях та публікаціях. У результаті роботи було розширено існуючу систему розпізнавання та обходження перешкод. До цього система використовувала лише одометрію та інформацію, отриману з лазерних сканерів, не отримуючи даних з інших джерел інформації про навколишнє середовище. Ідеєю розробки стало використання камери, яка вже входила до складу компонентів досліджуваного мобільного робота. Із використанням камери, що сприймає глибину, розраховуючи відстань до об’єктів, стало можливим генерувати хмару точок відносно навколишнього середовища. Оскільки щільність отримуваних даних у вигляді хмари точок є завеликою для подальшої обробки, було використано downsample фільтр VoxelGrid, що зменшує щільність хмари точок. VoxelGrid відноситься до бібліотеки PCL. Подальшою проблемою було видалення інформації щодо зайвих об’єктів у полі зору камери. До них можна віднести підлогу, стелю, частини робота (такі, як маніпулятор). Для вирішення цієї проблеми було використано PassThrough фільтр із бібліотеки PCL. Наступним кроком є обробка відфільтрованих даних за допомогою OctoMap. У результаті чого генерується дерево октантів. Із дерева октантів, згенерованого в попередньому етапі, створюється проєкція в напрямку зверху вниз. Отримана проєкція повинна бути оброблена та перетворена в полігональні перешкоди. Тільки в цьому випадку вони будуть помічені teb_local_planner як перешкоди. Розроблена система була успішно реалізована та випробувана як у симуляції Gazebo, так і на досліджуваному мобільному роботі. Проходження шляху з перешкодами буде виконано без зіткнень. У роботі наведені отримані результати випробування.

Ключові слова: ROS; навігація; мобільні роботи; уникнення перешкод; дерево октантів; лазер; хмара точок

Посилання:

1. Бобровский С. (2004). Навигация мобильных роботов (в 3 ч.). Ч. 1, PC Week/RE, 9, 52.
2. Минин, А.А. (2008). Навигация и управление мобильным роботом, оснащенным лазерным дальномером. Диссертация кандидата технических наук 05.02.05, 182.
3. Nagy C., Biró-Ambrus L.M. (2016). Ultrasound- Based Indoor Robot Localization Using Ambient Temperature Compensation. Acta Universitatis Sapientiae Electrical and Mechanical Engineering, 8, 19-28.
4. Petrovski K., Jovanovski S., Mirchev M., Basnarkov L. (2016). On the Kalman Filter Approach for Localization of Mobile Robots. International Conference on ICT Innovations, 2016, 123-133.
5. Chong K.S., Kleeman L. (1996). Accurate Odometry and Error Modelling for a Mobile Robot, MECSE-1996-6.
6. Михайлов Є.П., Крись М.В. (2015). Локальна навігація мобільних роботів з використанням засобів одометрії.
7. Зенкевич С.Л., Назарова А.В., Лисицын Д.М. (2000). Моделирование движения мобильного робота по сложному маршруту. Материалы Науч. школы-конференции «Мобильные роботы 2000», М.: Изд-во Моск. ун-та, 14-27.
8. Mohd Nasir N.Z., Zakaria M.A., Razali S., (2017). Autonomous mobile robot localization using Kalman filter. MATEC Web of Conferences, Vol. 90.
9. Siegwart, R., Ourbakhsh, I. (2004). Introduction to Autonomous Mobile Robots. Boston: MIT Press, 336
10. Song, H., Hu, L. (2009). Research on Path Planning for the Mobile Intelligent Robot. World Congress on Computer Science and Information Engineering, 1, 121 – 144.