Mobile robot localization based on omnicamera and laser range finder readings

• Autorzy: Siemiątkowska B.

Warianty tytułu

PL

Lokalizacja robota mobilnego przy wykorzystaniu kamery dookólnej i dalmierza laserowego

• Języki publikacji: EN

Abstrakty

EN

In this paper a method of mobile robot localization in an unknown indoor environment is presented. The robot is equipped with a single omnidirectional camera and laser range scanner. The data of the 2D scanner is used to detect walls in the robot environment. The imaues taken from omnicamera are used to detect vertical lines on the walls. The method of particle filters is used in order to determine the position of the robot. The method has been tested with the use of the mobile robot Elektron 1 in a real office environment.

PL

Określenie położenia jest jednym z podstawowych zadań robota mobilnego. Jako podstawowe źródło o przemieszczeniu pojazdu przyjmuje się wskazania odometrii. Dane te są obarczone błędami, które mogą mieć charakter systematyczny lub niesystematyczny. Wiarygodność wskazań odometrii maleje wraz z przebytą przez robota odległością. Dlatego w praktyce stosowane są dodatkowe metody określania położenia robota. W metodach tych oprócz informacji z czujników odometrycznych wykorzystywana jest informacja z sensorów obserwujących otoczenie. W opisywanym w tej pracy systemie wykorzystywane są dane pochodzące z dalmierza laserowego oraz kamery dookólnej. Na podstawie danych z dalmierza określane są krawędzie poziome wykrytych przeszkód, a na podstawie danych z kamery dookólnej krawędzie pionowe. Zastosowano metody filtrów cząsteczkowych do określania położenia robota w globalnym układzie współrzędnych. W procesie generowania cząsteczek uwzględniana jest informacja o kierunkach głównych danego pomieszczenia. Informacja to umożliwia zmniejszenie liczby cząsteczek. Agregacja informacji z różnych sensorów umożliwia dokonywanie lokalizacji w różnego typu pomieszczeniach.

Słowa kluczowe

EN

navigation; localization; mapping

PL

nawigacja; lokalizacja; tworzenie mapy

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2009
• Tom: R. 55, nr 3
• Strony: 194--197
• Opis fizyczny: Bibliogr. 12 poz., rys., wykr., wzory

Twórcy

autor

Siemiątkowska B.

• Warsaw University of Technology, Faculty of Mechatronics,

Bibliografia

• [1] Borenstein, J. and Feng, L. 1996. Measurement and correction of systematic odometry errors in mobile robots IEEE Transactions on Robotics and Automation, 12: 869-880.
• [2] Borenstein, J. and Feng, L., UMB mark--A method for measuring, comparing and correcting dead-reckoning errors in mobile robots. Technical Report UM-MEAM-94-22, University of Michigan.
• [3] S. Thrun, D. Fox, W. Burgard: Probabilistic Approach to Concurrent Mapping and Localization for Mobile Robots, Machine Learning vol. 31, pp 29-53, 1997.
• [4] S. Thrun, D. Fox, W. Burgard: Probabilistic mapping of an Environment by a mobile robot, IEEE ICRA, pp. 1546-1551, 1998.
• [5] C. S. Andersen, S. Jones, J.L Crowley: Appearance Based Processes for Visual Navigation, Proc. of Symposium on Intelligent Robotics Systems, 1999.
• [6] M. Betke, L. Gurvits: Mobile Robot Localization using Landmarks, IEEE Transactions on Robotics and Automation, 1997.
• [7] A. J. Davison, D. Murray: Mobile Robot Localization Using Active Vision, Proc. of European Conference on Computer Vision, 1998.
• [8] J. Gaspar, N. Winters, J. Santos-Victor: Vision-based navigation and environmental representation with an omnidirectional camera, IEEE Transactions on Robotics and Automation Automation, vol. 16, pp. 890-898, 2000.
• [9] Mobile Robot Navigation Based on Omnidirectional Sensor, Proc. The European Conference on Mobile Robots, ECMR, Radziejowice, 2003, 101-106.
• [10] B. Siemiątkowska: Zastosowanie transformaty Hough’a w lokalizacji robota mobilnego. AUTOMATION 2002, Warszawa, 2002.
• [11] Rafael C. Gonzales, Richard E. Woods, Digital Image Processing,. Prentice Hall, 2002.
• [12] D. Fox, S. Thrun, W. Burgard, and F. Dellaert, Particle filters for mobile robot localization. Sequential Monte Carlo Methods in Practice. Springer, New York, 2001.