Application of semantic maps for mobile robot simulation

• Autorzy: Będkowski J. , Masłowski A.

Warianty tytułu

PL

Zastosowanie map semantycznych w symulacji robota mobilnego

• Konferencja: Krajowa Konferencja Elektroniki. 10 ; 05-09.06.2011 ; Darłówko Wschodnie, Polska
• Języki publikacji: EN

Abstrakty

EN

The paper concerns the algorithm of semantic mapping applied for automatic virtual scene generation. Data is acquired by a mobile robot equipped with 3D laser measurement system. The virtual scene composed by several entities and relations between them is the core of the proposed semantic simulation engine. Semantic mapping is still an open problem because of its complexity. There are several robotic applications that use semantic information to build complex environment maps with labeled entities therefore advanced robot behavior based on ontological information can be processed in high conceptual level. We are presenting a new approach that uses semantic mapping to generate physical model of an environment that is integrated with mobile robot simulator. Semantic map is generated based on 3D data acquired by a mobile robot in INDOOR environment. This raw data is transformed into a semantic map and then NVIDIA PhysX model is constructed. The PhysX model is used to perform an inspection intervention mobile robot simulation in which collision detection and rigid body simulation is available.

PL

W artykule przedstawiono algorytm budowy mapy semantycznej wykorzystanej w tworzeniu modelu otoczenia robota mobilnego na potrzeby symulacji. Dane gromadzone są za pomocą robota mobilnego wyposażonego w laserowy system pomiarowy 3D. Wirtualna scena zbudowana z kilku semantycznych elementów powiązanych zdefiniowanymi zależnościami jest rdzeniem zaproponowanego "silnika semantycznej symulacji". Budowa map semantycznych jest ciągle wyzwaniem ze względu na złożoność tego problemu. Istnieje wiele rozwiązań robotycznych wykorzystujących mapy semantyczne zawierające liczne elementy, na bazie której możliwe jest zaawansowane sterowanie robotem mobilnym wykorzystujące podejmowanie decyzji na wysokim poziomie abstrakcji. W pracy przedstawiona jest nowa realizacja mapy semantycznej służąca do automatycznego tworzenia fizycznego modelu zintegrowanego z symulacją robota mobilnego. Mapa semantyczna jest tworzona na podstawie danych 3D zebranych przez robota mobilnego pracującego w środowisku INDOOR. Dane są następnie przetransformowane wykorzystując mapę semantyczną do modelu fizycznego NVIDIA PhysX. Model fizyki jest wykorzystany do symulacji robota inspekcyjno interwencyjnego wykorzystującej wykrywanie kolizji oraz symulację brył sztywnych.

Słowa kluczowe

EN

mobile robot; operator training; simulation; semantic map; image processing

PL

robot mobilny; trening operatora; symulacja; semantyczna mapa; przetwarzanie obrazów

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2011
• Tom: Vol. 52, nr 9
• Strony: 189--193
• Opis fizyczny: Bibliogr. 30 poz., il., wykr.

Twórcy

autor

Będkowski J.

autor

Masłowski A.

• Instytut Maszyn Matematycznych, Warszawa

Bibliografia

• [1] Klimentjew D., M. Arli, J. Zhang: 3D scene recon truction based on a moving 2D laser range finder for service-robots, in: Proceedings of the 2009 international conference on Robotics and biomimetics, 2009.
• [2] Magnusson M., T. Duckett, A. J. Lilienthal: 3D scan registration for autonomous mining vehicles. Journal of Field Robotics 24 (10) (2007) 803-827.
• [3] Nuchter A., H. Surmann, J. Hertzberg: Automatic model refinement for 3D reconstruction with mobile robots, in: Fourth International Conference on 3-D Digital Imaging and Modeling 3DIM 03, 2003, p. 394.
• [4] Montemerlo M., S. Thrun: A multi-resolution pyramid for outdoor robot terrain perception, in: AAAI '04: Proceedings of the 19th national conference on Artificial intelligence, AAAI Press, 2004, pp. 464-469.
• [5] Nuchter A., J. Hertzberg: Towards semantic maps for mobile robots, Robot. Auton. Syst. 56 (11) (2008) 915-926.
• [6] Grau O.: A scene analysis system for the generation of 3-D models, in: NRC '97. Proceedings of the International Conference on Recent Advances in 3-D Digital Imaging and Modeling, IEEE Computer Society, Washington, DC, USA, 1997, p. 221.
• [7] Nuchter A., H. Surmann, K. Lingemann, J. Hertzberg: Semantic scene analysis of scanned 3D indoor environments, in: Proceedings of the Eighth International Fall Workshop on Vision, Modeling, and Visualization (VMV 03), 2003.
• [8] Cantzler H., R. B. Fisher, M. Devy: Quality enhancement of reconstructed 3d models using co planarity and constraints, in: Proceedings of the 24th DAGM Symposium on Pattern Recognition, Springer-Verlag, London, UK, 2002, pp. 34-41.
• [9] Eich M., M. Dabrowska, F Kirchner: Semantic labeling: Classification of 3d entities based on spatial feature descriptors, in: IEEE International Conference on Robotics and Automation (ICRA2010) in Anchorage, Alaska, May 3, 2010.
• [10] Vaskevicius N., A. Birk, K. Pathak. J. Poppinga: Fast detection of polygons in 3d point clouds from noise-prone range sensors, in: IEEE International Workshop on Safety. Security and Rescue Robotics, SSRR, IEEE, Rome, 2007, pp. 1-6.
• [11] Oberlander J., K. Uhl, J. M. Zollner, R. Dillmann: A region-based slam algorithm capturing metric, topological, and semantic properties, in: ICRA '08, 2008, pp. 1886-1891.
• [12] Castle R. O., G. Klein. D. W. Murray: Combining monoslam with object recognition for scene augmentation using a wearable camera 28 (11) (2010) 1548-1556.
• [13] Pedraza L., G. Dissanayake, J. V. Miro, D. Rodriguez-Losada, F. Matia: Bs-slam: Shaping the world, in: Proceedings of Robotics: Science and Systems, Atlanta, GA, USA, 2007.
• [14) Magnusson M., H. Andreasson, A. Nuchter, A. J. Lilienthal: Automatic appearance-based loop detection from 3D laser data using the normal distributions transform, Journal of Field Robotics 26 11-12 (2009) 892-914.
• [15] Andreasson H., A. J. Lilienthal: Vision aided 3d laser based registration, in: Proceedings of the European Conference on Mobile Robots (ECMR), 2007, pp. 192-197.
• [16] Besl P. J., H. D. Mckay: Aniethod for registration of 3-d shapes, Pattern Analysis and Machine Intelligence, IEEE Transactions on 14 (2) (1992) 239-256.
• [17] Hahnel D., W. Burgard: Probabilistic matching for 3D scan registration, in: In. Proc. of the VDI - Conference Robotik 2002 (Robotik). 2002.
• [18] Rusu R. B., Z. C. Marton, N. Blodow, M. Dolha, M. Beetz: Towards 3d point cloud based object maps for household environments. Robot. Auton, Syst. 56 (11) (2008) 927-941.
• [19] Craighead J., R. Murphy, J. Burke, B. Goldiez: A survey of commercial and open source unmanned vehicle simulators, in: Proceedings of ICRA, 2007.
• [20] Boeing A., T. Bröaunl: Evaluation of real-time physics simulation Systems, in: GRAPHITE '07: Proceedings of the 5th International Conference on Computer Graphics and Interactive Techniques in Australia and Southeast Asia, ACM, New York. NY, USA, 2007, pp. 281-288.
• [21] Wang J., M. Lewis, J. Gennari: Usar: A game-based simulation for teleoperation, in: Proceedings of the 47th Annual Meeting of the Human Factors and Ergonomics Society. Denver, CO, October 13-17, 2003.
• [22] Rusu R. B., A. Maldonado, M. Beetz, I. A. Systems, T. U. Munchen: Extending player/stage/gazebo towards cognitive robots acting in ubiquitous sensor-equipped environments, in: in Accepted for the IEEE International Conference on Robotics and Automation (ICRA) Workshop for Network Robot System, 2007, April 14, 2007.
• [23] Hohl L., R. Tellez, O. Michel, A. J. Ijspeert: Aibo and Webots: Simulation, Wireless Remote Control and Controller Transfer, Robotics and Autonomous Systems 54 (6) (2006) 472-485.
• [24] Buckhaults C.: Increasing computer science participation in the first robotics competition with robot simulation, in: ACMSE 47: Proceedings of the 47th Annual Southeast Regional Conference, ACM, New York, NY, USA, 2009, pp. 1-4.
• [25] Craighead J., R. Murphy, J. Burke, B. Goldiez: A robot simulator classification system for HRI, in: Proceedings of the 2007 International Symposium on Collaborative Technologies and Systems (CTS 2007), 2007, pp. 93-98.
• [26] Pepper C., S. Balakirsky, C. Scrapper: Robot simulation physics validation, in: PerMIS '07: Proceedings of the 2007 Workshop on Performance Metrics for Intelligent Systems, ACM, New York, NY, USA, 2007, pp. 97-104.
• [27] http://opencv.willowgarage.com/wiki/.
• [28] Lee S. W., Y. J. Kim: Direct extraction of topographic features for gray scale character recognition, IEEE Trans. Pattern Anal. Mach. Intell. 17 (7) (1995) 724-729.
• [29] Bedkowski J., M. Kacprzak, A. Kaczmarczyk, P. Kowalski, P. Musialik, A. Maslowski, T. Pichlak: Rise mobile robot operator training design, in: 15th International Conference on Methods and Models in Automation and Robotics (CD-ROM), Międzyzdroje, Poland, 2010.
• [30] NVIDIA PhysX SDK 2.8 - Introduction.