Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2017

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: AMCL

Sortuj według:

Ogranicz wyniki do:

Development of a service robot for indoor operation using distributed computing

Mazumdar A., Lee K., Evran E., Algorri M.-E.

Zeszyty Naukowe Instytutu Pojazdów / Politechnika Warszawska

2017

z. 3/112

31--40

Service robots already take over some chores of our daily life, for example as autonomous vacuum cleaners or lawn mowing machines. In the near future it is expected that service robots can fully undertake many domestic tasks and assist in different operating places like restaurants, hospitals or industries. We have developed a cost effective prototype of a mobile service robot that can operate in indoor environments. The robot works under ROS and has a kinect sensor for vision and tracking. The robot maps the environment using SLAM and can navigate between locations avoiding permanent and temporary obstacles. Our objective is to deploy image processing algorithms and advanced decision making abilities using low computing power on the Robot. Using distributed ROS nodes the robot sends the image stream from its sensors to a server to be processed using deep learning algorithms. The results of the processing are sent back to the robot to guide its navigation and operations.

Serviceroboter übernehmen schon heute einige Aufgaben des täglichen Lebens, zum Beispiel als autonome Staubsauger oder Rasenmäher. In naher Zukunft, so wird erwartet, werden Serviceroboter eine Vielzahl von Hausarbeiten erledigen und in verschieden Bereichen wie Restaurants, Krankenhäusern oder der Industrie eingesetzt werden. Wir haben einen kostengünstigen mobilen Prototypen eines Serviceroboters für den Innenbereich entwickelt. Der Roboter läuft unter ROS und verfügt über einen Kinekt-Sensor für maschinelles Sehen und Tracking. Der Roboter kartografiert die Umgebung mittels SLAM und navigiert zwischen Positionen und weicht dabei permanenten und temporären Hindernissen aus. Unser Ziel ist es Bildverarbeitungsalgorithmen und komplexe Entscheidungsprozesse für geringe Computerleistung im Roboter einzusetzen. Über verteilte ROS-Knoten sendet der Roboter den Videostream vom Sensor zum Server, wo er mit Deep Learning Algorithmen verarbeitet wird. Die Verarbeitungsergebnisse werden zum Roboter zurückgesendet um seine Navigation und Funktionen zu steuern.