ZSI - Zespół Systemów Inteligentnych ZSI | Roboty mobilne | Wspomaganie projektowania | Konferencje | Seminaria | Kontakt | English

 

Roboty mobilne



Systemy wizyjne do samolokalizacji
Planowanie ścieżek z wykorzystywaniem sieci neuronowej komórkowej
D-histogramy w systemie samolokalizacji
Tworzenie rastrowych map otoczenia robota mobilnego
Publikacje


Wizyjne systemy do samolokalizacji

    System nawigacji autonomicznego robota mobilnego składa się z następujących elementów: detekcja przeszkód, znajdowanie wolnej drogi prowadzącej z miejsca w którym znajduje się robot do miejsca docelowego, określenie pozycji robota oraz realizacja wyznaczonej ścieżki. W naszych eksperymentach wykorzystywany był robot mobilny B-14, wyposażony w 16 sonarów,16 czujników podczerwieni, komputer z procesorem Pentium oraz jedną kolorową kamerę. Mapa otoczenia jest reprezentowana jako siatka prostokątnych komórek i budowana jest na podstawie danych pochodzących z sonarów i czujników podczerwieni. Każda komórka może przyjmować jeden ze stanów: wolna, zajęta lub nieznana. Mapa jest budowana przyrostowo przy użyciu rozmytej metody agregacji [9]. Metoda agregacji wymaga znajomości aktualnego położenia robota w otoczeniu. Dlatego samolokalizacja, oparta na danych otrzymywanych z sensorów jest kluczowym komponentem systemu sterowania robota mobilnego. Prezentujemy system nawigacji, w którym do wyznaczenia położenia robota są stosowane sztuczne znaczniki Pokazujemy eksperymentalnie, że wynikowa metoda może być stosowana do lokalizacji robota mobilnego w częściowo znanym otoczeniu.

początek


Planowanie ścieżek z wykorzystywaniem sieci neuronowej komórkowej

    Problem planowania ścieżki jest definiowany następująco: znając położenie robota i celu trzeba planowanować ciągłą i bezkolizyjną ścieżkę prowadzącą od celu do aktualnego miejsca robota.
    Zastosowano metodę dyfuzyjną. Metoda ta, zaproponowana przez Steels w 1988 r., została zaimplementowana przez B. Siemiątkowską w 1994 r. Ta implementacja pozwala na planowanie ścieżek w czasie rzeczywistym. Jej zaletą jest m. in. brak problemu lokalnych minimum. Metoda jest szczególnie efektywna w przypadku, gdy wokół robota występuje wiele przeszkód.
    Sieć komórkową wykorzystywano również w przetwarzaniu obrazów [12] i samolokalizacji mobilnych robotów [9].

początek


D-histogramy w systemie samolokalizacji

    C-histogramy są nową metodą samolokalizacji robotów mobilnych wyposażonych w laserowy czujnik odległości. W metodzie tej stosując transformatę Hough'a[1][13] i w otoczeniu robota poszukuje się kierunków głównych. Zmiana kierunków głównych określa jak zmieniła się orientacja robota. Opisaną metodę zaimplementowano w postaci liniowej sieci komórkowej, dzięki czemu może być ona stosowana w czasie rzeczywistym.

początek


Tworzenie rastrowych map otoczenia robota mobilnego

    Mapa otoczenia robota mobilnego jest tworzona na podstawie wskazań czujników odległości - sonarów lub lasera. W prowadzonych badaniach przyjeto rastrową metodę reprezentacji zaproponowaną przez Elfes'a i Moravec'a. Mapa jest reprezentowana jako prostokątna tablica liczb, każda klatka tablicy reprezentuje pewien podobszar otoczenia, a odpowiedznia liczba określa poziom wiarygodności hipotezy, że podobszar jest zajęty przez przeszkodę. Informacje pochodzące z różnych żródeł sš agregowane. Testowano następujące metody agregacji: metodę Bayes'a, agregację rozmytą i teorię Shaffera-Dempstera [3][6][9].

początek


Publications:
  1. Dubrawski A., Siemiątkowska B.: "A Neural Method for Self-Localization of a Mobile Robot Equipped with 2D Scanning Range Finder", Proc. of International Workshop on Intelligent Robotics Systems' 97,
    Sweden, July, 1997, pp. 23-31

  2. Racz J., Koyechi N., Arai T., Siemiątkowska B.: "MELEMANTIS - the Walking Manipulator", Proc. of International Workshop on Intelligent Robotics Systems '97,
    Sweden, July, 1997, pp. 159-160

  3. Sawwa R., Siemiątkowska B., Racz J.: "2.5D Map Building Based on LRF Readouts", Proc. of the III-d Int. Symp. on Methods and Models in Automation and Robotics,
    Międzyzdroje, Poland, September, 1997

  4. Sawwa R., Siemiątkowska B., Racz J.: "A Laser Range Finder for Mobile Robot Navigation". 28-th International Symposium on Robotics",
    Detroit, MI, USA, May 13-15, 1997

  5. Siemiątkowska B.: "Cellular Neural Network for Path Planning", Proc. of International Workshop on Intelligent Robotic Systems '94,
    Grenoble, July, 1994

  6. Siemiątkowska B., Weigl M.: "New World Modelling Methods for Autonomous Mobile Robots With Various Type Sensors", Proc. of International Workshop on Intelligent Robotic Systems'93,
    Zakopane, Poland, July, 1993

  7. Siemiątkowska B.: "A Highly Parallel Method for Mapping and Navigation of An Autonomous Mobile Robot", Proc. of International Conference on Robotics and Automation,
    San Diego, California, May 8-13, 1994, pp. 2796-2801

  8. Weigl M., Siemiątkowska B., Sikorski K., Borkowski A.: "Grid-based mapping for autonomous mobile robot", Robotic and Autonomous Systems,
    Amsterdam, Holland, 1993

  9. Siemiątkowska B., Dubrawski A.: "Global Map Building and Path Planning for Mobile Robots", Proc. of International Conf. on Intelligent Techniques in Robotics, Control and Decision Making,
    Warsaw, Poland, February 1999, pp. 68-74

  10. Siemiątkowska B., Dubrawski A.: "Cellular Neural Networks for a Mobile Robot", Rough Sets and Current Trends in Computing,
    Springer, Berlin, June 1998, pp. 147-155

  11. Siemiątkowska B., Dubrawski A.: "Neural Methods for Navigation of a Mobile Robot Equipped with a 2D Scanning Laser Range Finder", Workshop Artifitial Neural Networks - Trends and Application,
    Mexico City, 1998, pp. 9-16

  12. Kosiński R., Siemiątkowska B.: "Cellular Neural Network for Safety Control",
    HANMAHA 98, Hong Kong 1998, pp. 529-532

  13. Dubrawski A., Siemiątkowska B.: "A Neural Method for Self-Localization of a Mobile Robot Equipped with a 2-D Scanning Laser Range Finder", Proc. of the IEEE Conf. on Robotics and Automation,
    Leuven 1998, pp. 2518-2523
top