Semantyczna lokalizacja robota mobilnego

• Autorzy: Siemiątkowska B. , Harasymowicz-Boggio B.

Warianty tytułu

EN

Semantic localization of a mobile robot

• Języki publikacji: PL

Abstrakty

PL

Celem pracy jest przedstawienie algorytmu lokalizacji sematycznej na podstawie danych pochodzących z dalmierza laserowego i sensora Kinect. Opisywane są następujące etapy algorytmu: pobranie informacji z układu sensorycznego (dalmerza laserowego i kamery Kinect), analiza kształtu obserowanego otoczenia przy wykorzystaniu danych z dalmierza laserowego, segmentacja chmury punktów, określenie zbioru obserowwanych obiektów, określenie zbioru hipotez i agregacja informacji za pomocą teorii Dempstera-Shafera oraz klasyfikacja rodzaju pomieszczenia, w którym znajduje się robot. Opisywana metoda została przetestowana w rzeczywistym otoczeniu budynku Wydziału Mechatroniki Politechniki Warszawskiej.

EN

The paper presents the method of semantic localization of a mobile robot. The robot is equipped with the Sick laser finder and Kinect sesnor. The simplest source of information about an environment is a scan obtained by range sensor. The polygonal approximation of an observed area is performed. The shape of the polygon allow us to distinguish corridors from other places using simple rule based system. During the next step rooms are classified based on objects which have been recognized. Each object votes for a set of classes of rooms. In a real environment we deal with uncertainty. Usually probabilistic theory is used to solve the problem but it is not capable of capturing subjective uncertainty. In our approach instead of classical bayesian method we propose to performed classification using Dempster-Shafer theory (DST), which can be regarded as a generalization of the Bayesian theory and is able to deal with subjective uncertainty. The experiment performed in real office environment prooved the efficiency of our approach.

Słowa kluczowe

PL

percepcja obrazu; obraz RGB-D; robot mobilny; lokalizacja robota; robotyka

EN

image perception; RGB-D; mobile robot; robot localization; robotics

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2014
• Tom: z. 194, t. 1
• Strony: 317--326
• Opis fizyczny: Bibliogr. 23 poz., rys., wykr.

Twórcy

autor

Siemiątkowska B.

• Wydział Mechatroniki, Politechnika Warszawska, ul. A. Boboli 18, Warszawa

autor

Harasymowicz-Boggio B.

• Wydział Mechatroniki, Politechnika Warszawska, ul. A. Boboli 18, Warszawa

Bibliografia

• [1] P. L Bogler. Shafer-Dempster reasoning with applications to multisensory target identification systems. IEEE Transactions on Systems, Man, and Cybernetics, 1987, wolumen 17, s. 968-977.
• [2] L. Bolc, W. Borodziewicz, M. Wójcik. Podstawy przetwarzania informacji niepewnej i niepełnej. Wydaw. Naukowe PWN 1991.
• [3] P. Buschka, A. Saffiotti. A virtual sensor for room detection. In: Intelligent Robots and Systems (IROS). Proceedings, 2002, s. 637-642.
• [4] B. Chokr, V. Kreinovich. How far are we from complete knowledge, complexity of knowledge acquisition in the dempster-shafer approach. Advances in the Dempster-Shafer Theory of Evidence, 1994, s. 555-576.
• [5] J. Chromiec, E. Strzemieczna. Sztuczna inteligencja : metody konstrukcji i analizy systemów eksperckich. Wydaw. PLJ 1995.
• [6] F. Dellaert et al. Monte carlo localization for mobile robots. In: IEEE Int. Conf. on Robotics & Automation (ICRA). Proceedings, 1998.
• [7] D. Fox. Adapting the sample size in particle filters through kld-sampling. International Journal of Robotics Research, 2003, wolumen 22, numer 12, s. 985-1003.
• [8] M.S. Grewal, A.P. Andrews. Kalman filtering: Theory and practice using matlab. John Wiley and Sons, 2001.
• [9] B. Harasymowicz-Boggio, B. Siemiątkowska. Object classification with metric and semantic inference. In: European Conference on Mobile Robots (ECMR). Proceedings, 2013, s. 186-191.
• [10] B. Harasymowicz-Boggio, B. Siemiątkowska. Object classification using dempster-shafer theory. In: Mechatronics 2013 Red. Tomasz Breezina, Ryszard Jabłoński, s. 559-565. Springer International Publishing 2014.
• [11] S. Koenig, R. Simmons. Xavier: A robot navigation architecture based on partially observable Markov decision process models, 1998.
• [12] Mieczysław Alojzy Kłopotek. Metody identyfikacji i interpretacje struktur rozkładów przekonań w teorii Dempstera-Shafera. Polska Akademia Nauk. Instytut Podstaw Informatyki 1998.
• [13] O. M. Mozos et al. Supervised semantic labeling of places using information extracted from sensor data. Robotics and Autonomous Systems, 2007, wolumen 5, s. 392-402.
• [14] C. Olson. Probabilistic selflocalization for mobile robots. IEEE Transaction on Robotics and Automation, 2000, wolumen 16, numer 1, s. 55-66 .
• [15] S. Oore, G. Hinton, G. Dudek. A mobile robot that learns its place, 1997.
• [16] OpenCV - dokumentacja biblioteki. [online], 2012. http://opencv.itseez.com/.
• [17] I.M. Rekleitis. A particle filter tutorial for mobile robot localization. Raport, Univerity Montreal, 2004.
• [18] B. Siemiątkowska, J. Szklarski, A. Borkowski. Towards Semantic Navigation in Mobile Robotics, wolumen 5765. Springer 2011.
• [19] B. Siemiątkowska, J. Szklarski, M. Gnatowski. Mobile robot navigation with the use of semantic map constructed from 3D laser range scans. Control and Cybernetics, 2011, wolumen 40, s. 437-453.
• [20] A. Torralba et al. Context-based vision system for place and object recognition. In: Int. Conf. on Computer Vision (ICCV). Proceedings, 2003.
• [21] A. Treptow, A. Masselli, A. Zell. Real-time object tracking for soccer-robots without color information. In: Conf. on Mobile Robots (ECMR). Proceedings, 2003.
• [22] J. Weingarten, R. Siegwart. EKF-based 3D SLAM for structured environment reconstruction. In: Proceedings of IROS. Proceedings, 2005.
• [23] Sławomir T. Wierzchoń. Metody reprezentacji i przetwarzania informacji niepewnej w ramach teorii Dempstera-Shafera. Polska Akademia Nauk. Instytut Podstaw Informatyki 1996.