Hybrydowy algorytm samolokalizacji

• Autorzy: Dimitrova-Grekow T.

Warianty tytułu

EN

A hybrid algorithm for self location

• Języki publikacji: PL

Abstrakty

PL

Niniejszy artykuł prezentuje podejście hybrydowe do samolokalizacji w oparciu o zintegrowany system zbierania danych. Obie funkcje topologiczna i metryczna zostały zrealizowane z użyciem dalmierza ultradźwiękowego. Do przetestowania poprawności działania opracowanej metody wykorzystano robot Lego Mindstorms NXT. Zaprezentowane rozwiązanie przyśpiesza pracę pojazdu, skracając czas rozpoznawania napotkanych obiektów orientacyjnych. Minimalizowany jest błąd odometryczny. Bardzo istotnym elementem pracy jest identyfikacja obiektów, ich orientacji i budowanie modelu mapy o względnym stopniu zaufania. Przeprowadzone badania wykazały wysoką dokładność zaprezentowanej metody samolokalizacji.

EN

Application of two independent systems is a classical approach when realizing topological-metric localization algorithms [1, 2, 3]. In this issue a hybrid localization method with an integrated data collecting is proposed. Both functions, topological and metric, are based on a sonar. Multi-reflections are one of the biggest problems by the sonar systems [7, 8]. However, there are many examples of using sonars in the Simultaneous Localization and Mapping (SLAM) [4, 9]. The presented method (Section 2) consists of four phases: 1) data collec-tion and filtering (Figs. 1 and 2), 2) object classification (Fig. 3), 3) building map with a confidence coefficient (Fig. 4), 4) local and global map (Fig. 5) comparison and end decision. Many authors use a grid map for the topological localization [5, 6]. Here a model matching attempt is performed. The concept of the confidence coefficient map is very important in this work. Section 3 describes an experiment whose workspace is shown in Fig. 6. The results (Section 4) are presented in Table 1: 77% of the tests were successful , 14% gave fault results, while in 9% – no solution was found. In spite of the restrictions of the used robot, the project seems very perspective.

Słowa kluczowe

PL

roboty mobilne; nawigacja; lokalizacja; metryczno-topologiczne strategie; robot edukacyjny; Mindstorms NXT

EN

mobile robotics; navigation; location; topological-metric strategies; educational robots; Mindstorms NXT

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 11
• Strony: 1163--1166
• Opis fizyczny: Bibliogr. 9 poz., rys., tab., wykr.

Twórcy

autor

Dimitrova-Grekow T.

• Politechnika Białostocka, ul. Wiejska 45A, Białystok

Bibliografia

• [1] Tomatis N.: Hybrid, Metric- Topological Representation for Localization and Mapping. In: M.E. Jefferies et al. (eds.) Robot &Cogn. Approach. To Spat. Map., STAR 38, pp. 43–64. Springer, Berlin Heidelberg, 2008.
• [2] Fogliaroni P., Wallgruen J. O., Clementini E., Tarquini F., Wolter D.: A qualitative Approach to Localization and Navigation Based on Visibility Information. In: K. Stewart Hornsby et al. (eds.) COSIT, LNCS 5756, pp. 312 –329. Springer, Berlin Heidelberg, 2009.
• [3] Dimitrova-Grekow T., Zach M.: Asocyjno-metryczny sposób planowania drogi w zamkniętej przstrzeni, PAK nr 07, s. 611-614, 2012.
• [4] Yap T. N., Shelton C. R.: SLAM in large indoor environments with low-cost, noisy, and sparse sonars. In: Proceedings of IEEE international conference on robotics and automation;. p. 1395–401, 2009.
• [5] Choi J., Choi M., Nam S. Y., Chung W. K.: Autonomous topological modeling of a home environment and topological localization using a sonar grid map. Autonomous Robots;30(4):351–68, 2011.
• [6] Choi J., Choi M., Chung W. K.: Incremental topological modeling using sonar gridmap in home environment. In: Proceedings of IEEE/RSJ international conference on intelligent robots and systems;. p. 3582–7, 2009.
• [7] Poncela A.,Urdiales C., Trazegnies C., Sandoval F.: A new sonar-based landmark for localization in indoor environments, Soft Comput 11, pp. 281–285, Springer-Verlag 2006.
• [8] Fromberger L.: Representing and Selecting Landmarks in Autonomous Learning of Robot Navigation. In: C. Xiong et al. (eds.) ICIRA Part I, LNAI 5314, pp. 488–497. Springer, Berlin Heidelberg, 2008.
• [9] Tardos J. D., Neira J., Newman P. M., Leonard J. J.: Robust mapping and localization in indoor environments using sonar data. International Journal of Robotics Research; 21(4):311–30, 2002.