پديد آورنده :
بدلي، مرتضي
عنوان :
توسعه و پياده سازي به هنگام روش iSAM بر مبناي داده هاي حسگر دوربين در مكان يابي و نقشه يابي همزمان ربات سيار
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
طراحي كاربردي
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده مهندسي مكانيك
صفحه شمار :
پانزده، 108ص.: مصور
استاد راهنما :
مهدي كشميري، حميدرضا تقي راد
توصيفگر ها :
ربات متحرك خودمختار , مسئله كمترين مربعات , هموارسازي و نقشه يابي افزايشي , نقشه سه بعدي
تاريخ نمايه سازي :
1394/07/28
استاد داور :
محمد دانش، شهرام هاديان
تاريخ ورود اطلاعات :
1396/10/04
چكيده فارسي :
چكيده موضوع اين پاياننامه ارائه يك سامانه بههنگام تهيه نقشه سهبعدي بر مبناي دادههاي تصوير توليد شده توسط حسگر دوربين و مكانيابي همزمان در ربات سيار خودمختار ميباشد در اين راستا جديدترين روش حل مسئله SLAM تحت عنوان iSAM مورد استفاده قرار گرفته است در اين روش ساختار جديدي به نام درخت بيز معرفي شده است كه اين ساختار همان درخت دستهاي يا درخت اتصال در هوش مصنوعي است كه قبال براي استنتاج توزيع شده در SLAM بررسي شده است بدين منظور ابتدا به بيان يك سري مقدمات در رابطه با رباتهاي متحرك و كاربردهاي آنها ميپردازيم سپس مفاهيم رباتيك احتمالي تشريح ميشوند اين مفاهيم شالوده كار در حل مسئله SLAM را تشكيل ميدهند در واقع مسئله مكانيابي و تهيه نقشه همزمان در يك قالب احتمالي با تعريف متغيرهاي تصادفي بيان ميشود و سپس با تعريف توابع توزيع احتمال بر روي مسئله به بسط اين توابع به زمانهاي بعدي پرداخته ميشود در ادامه به تشريح انواع روشهاي فيلتري حل مسئله SLAM پرداخته ميشود و به طور جامع مزايا و معايب آنها ارائه ميشود سپس مفاهيم اوليه مربوط به بيان مسئله SLAM بر اساس گراف و مسئله كمترين مربعات در حل آن و همچنين مفاهيم جديدترين روش حل مسئله SLAM يعني iSAM تشريح ميشوند در ادامه از آنجا كه در اين پاياننامه در صدد پيادهسازي اين روش با استفاده از دادههاي تصويري هستيم در فصلي جداگانه به مسئله بينايي كامپيوتر پرداخته شده است و در آن نحوه استخراج اطالعات مفيد از تصوير به گونهاي كه بتوان در حل مسئله SLAM از آن استفاده كرد تشريح شده است پس از استخراج اين ويژگيهاي محيطي با جفت كردن آنها جابهجايي آنها در تصويرهاي متوالي و در نتيجه موقعيت آنها تعيين ميشود بر مبناي اين مقدمات به پيادهسازي عملي روش iSAM با استفاده از دادههاي تصويري پرداخته شده است سامانه ارائه شده داراي سه بخش استخراج و رديابي ويژگيها مسافت سنجي ديداري و تصحيح خطا كه به صورت همزمان اجرا ميشوند ميباشد اين پيادهسازي در محيط نرمافزاري ROS و بر اساس دادههاي حسگر RGB D Kinect بر روي ربات Experia ساخته شده در آزمايشگاه رباتيك و مكاترونيك پيشرفته دانشكده مهندسي مكانيك دانشگاه صنعتي اصفهان انجام شده است در نتيجه اين پيادهسازي نقشه سهبعدي از مكان راهروي طبقه پنجم دانشكده مهندسي شيمي دانشگاه صنعتي اصفهان توليد شده است سپس با تركيب اطالعات دوربين كينكت و حسگر IMU جهتگيري ربات در زواياي غلتش و پيچش بهبود داده شده است در محيط موانع و شيبهاي مختلف قرار داده شد تا به يك محيط داخلي شلوغ تبديل شود نماهاي مختلف از نقشه توليدي ارائه شدند كه نتايج بهدست آمده از پيادهسازي نشان از دقت خوب سامانه در تهيه نقشه سهبعدي ميدهند سامانه مورد نظر در تعيين زواياي غلتش و پيچش دچار خطاي قابل مالحظهاي است كه در بخش نوآوري به اصالح و بهبود اين زوايا از طريق تركيب اطالعات كينكت و IMU پرداخته شده است نتايج به دست آمده از نوآوري ايجاد شده در تركيب اطالعات نشان از بهبود بسيار خوب سامانه در تعيين زواياي مذكور و نقشه توليدي از محيط ميدهند در انتها هم در يك جمعبندي و نتيجهگيري پيشنهاداتي براي ادامه كار ارائه شده است كلمات كليدي ربات متحرك خودمختار تهيه نقشه و مكانيابي همزمان مسئله كمترين مربعات هموارسازي و نقشهيابي افزايشي الگوريتم 2 iSAM نقشه سهبعدي
چكيده انگليسي :
254 Development and Real Time Implementation of Vision based Incremental Smoothing and Mapping iSAM Algorithm for a Mobile Robot Morteza Badali m badali@me iut ac ir Date of Submission 2015 08 12 Department of Mechanical Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisors Dr Mehdi Keshmiri mehdik@cc iut ac ir Dr Hamidreza Taghirad taghirad@kntu ac irAbstract A real time system for three dimensional simultaneous localization and mapping SLAM in mobile robotsbased on visual data of camera using incremental smoothing and mapping algorithm the state of the art solutionof SLAM problem iSAM2 is developed and implemented in this thesis Building 3D maps of environments isan important and essential task for mobile robots in navigation and manipulation An autonomous mobile robotin unknown environment is exposed to considerable uncertainties and faced three main problems localization mapping and motion planning which in many cases should be solved simultaneously SLAM involves finding aproper description of the environment as a map and exploring the robot position on it SLAM problems is in factcategorized as a probabilistic robotic problems which deal with uncertainties in robot perception and manipulationand solves the robot localization and mapping The key idea in these set of problems is to represent uncertaintiesusing probability theory There has been different solutions to SLAM problem which can be classified in threemain methods the Kalman filter and its family the particle filters and the graphical SLAM solution One of thenewest graphical based solutions is iSAM which is based on fast incremental matrix factorization Updating a QRfactorization of the sparse smoothing information matrix iSAM provides an exact solution In this method onlythe matrix entries that actually affects the computation are considered This is efficient for trajectories with manyloops In order to build a 3D map of an environment despite the iSAM algorithm 3D data of the environment isneeded The RGB D camera is used to capture RGB images along with per pixel depth information From theconcepts in computer vision by extracting features from consecutive frames and their matching the movementof the features is extracted Using the computer vision concepts and consequently integrating the RGB D data andthe iSAM method the 3D map of environment is built In autonomous navigation tasks a robot can plan collision free paths only for those areas that have been covered by sensor measurements and detected However theunmapped areas have to be avoided and should be included in the map somehow Furthermore the knowledgeabout unmapped areas is essential during exploration As maps are created autonomously the robot proceed themeasurements in the previously unmapped areas To represent the map in 3D a volumetric representation of spacenamed octomap is used This mapping approach is based on octrees and uses probabilistic occupancy estimationwhich not only represents occupied space but also free and unknown areas Through this representation the mapcan be updated efficiently and the memory equipment can be kept at a minimum The developed system isimplemented on Experia a mobile robot platform in Advanced Robotics and Mechatronics Laboratory ARMLab of the mechanical department of the Isfahan University of Technology by using Microsoft Kinect Xbox 360 asthe RGB D camera Moreover by the fusion of the Kinect and IMU data the orientation of the robot in roll andpitch angels are enhanced Through this fusion the robot localize itself better and consequently the output 3Dmap of the system is improved Keywords Autonomous Mobile Robot Simultaneous Localization and Mapping LeastSquare Problem Incremental Smoothing and Mapping iSAM2 Algorithm Octomap 3DMapping
استاد راهنما :
مهدي كشميري، حميدرضا تقي راد
استاد داور :
محمد دانش، شهرام هاديان
