Wyniki wyszukiwania - BazTech

1

Measurement fusion method for indoor localization of a walking robot

Jaworski B., Bilicki D., Belter D.

Pomiary Automatyka Robotyka

|

2013

|

R. 17, nr 2

272-277

EN

The article presents visual localization system for walking robots. The method uses two independent visual procedures to determine position and orientation of the robot’s body: Parallel Tracking and Mapping (PTAM) and the procedure which returns position of the camera in relation to the known marker. The heuristicbased data fusion method is proposed. The method takes into account properties of both modules to estimate real position of the robot. The properties of the method are presented using ground truth data from experiment on the robotic arm.

PL

Artykuł przedstawia wizyjny system lokalizacji robota kroczącego. Przedstawiono wykorzystanie algorytmu PTAM oraz metody określającej położenie kamery względem znacznika do określenia położenia robota. Przedstawiono metodę fuzji danych z obu systemów pomiarowych. Proponowana metoda jest alternatywa dla droższych systemów 'motion capture' wykorzystywanych do weryfikacji eksperymentalnej wewnątrz laboratorium.

2

Wizyjny system lokalizacji z estymatorem prędkości i przyspieszeń dla robota mobilnego

Kiełczewski M., Pazderski D., Kozłowski K.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2008

|

z. 166, t. 1

61-70

PL

Praca podejmuje problem lokalizacji robota mobilnego z wykorzystaniem systemu wizyjnego i aktywnych znaczników oraz zagadnienie estymacji prędkości i przyspieszeń w ruchu płaskim. Rozważania teoretyczne dotyczące zasady pomiaru oraz estymatora Kalmana ilustrowane są wynikami badań eksperymentalnych, które wykazują użyteczność zaproponowanej metody pomiaru. Przedstawiony system pomiarowy może być wykorzystany do realizacji algorytmów sterowania robotów kołowych również w obecności poślizgu.

EN

The paper presents localization system for mobile robot using vision system and active markers with velocity and acceleration estimator in the case of planar motion. Theoretical considerations include the principle of measurement and the details of Kalman estimator which are illustrated based by experimental work. The presented measurement system can be used for advanced control algorithms for mobile robots, also in the presence of slippage phenomenon.

3

Jednoczesna samolokalizacja i budowa mapy: podejście probabilistyczne

Skrzypczyński P.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2008

|

z. 166, t. 1

3-22

PL

Praca przedstawia zarys stanu wiedzy w dziedzinie metod jednoczesnej samolokalizacji i budowy mapy dla robotów mobilnych. Uwagę skupiono na metodach probabilistycznych wykorzystujących reprezentację otoczenia w postaci mapy cech. Sformułowano problem SLAM i zaprezentowano jego ogólne, probabilistyczne rozwiązanie oraz algorytm rozwiązania opartego na rozszerzonej filtracji Kalmana (EKF-SLAM). Przedstawiono dyskusję dotyczącą problemów zbieżności, obserwowalności i sterowalności w EKF-SLAM. Zaprezentowano także ważniejsze rozszerzenia algorytmu EKF-SLAM poprawiające jego efektywność obliczeniową i zdolność do rozwiązywania problemu dopasowywania cech do obserwacji. Zasugerowano także kierunki dalszych badań dotyczących problematyki SLAM.

EN

This article provides an introduction to Simultaneous Localization and Mapping (SLAM), with a focus on probabilistic SLAM utilizing feature-based description of the environment. The probabilistic formulation of the SLAM problem is introduced, and a solution based on the Extended Kalman Filter (EKF-SLAM) is shown. Important issues of convergence, consistency, observability, data association and scaling in EKF-SLAM are discussed from both the theoretical and the practical point of view. Major extensions to the basic EKF-SLAM method and some recent advances in SLAM are also discussed briefly.

4

Metody korekcji zniekształceń obrazów w systemie lokalizacji robota mobilnego.

Bączyk R.

Prace Naukowe Instytutu Cybernetyki Technicznej Politechniki Wrocławskiej. Konferencje

|

2001

|

Vol. 102, nr 46

185-194

PL

Artykuł dotyczy analizy praktycznej przydatności wybranych metod modelowania i korekcji geometrycznych zniekształceń obrazu, wprowadzanych przez układ optyczny w systemie pozycjonowania robota mobilnego, z użyciem kamery monitorującej z góry (umieszczonej nad sceną). Aby uzyskać szerokie pole widzenia zastosowano obiektyw o krótkiej ogniskowej, równej 2,8 mm. Obiektywy o ogniskowych krótszych niż standardowa (9 mm), wprowadzają zauważalne i istotne zniekształcenia obrazu obserwowanej sceny. Analiza i rozpoznawanie takiego obrazu, a w szczególności wykorzystanie go do zastosowań metrologicznych, wymaga korekcji omawianych zniekształceń. W referacie przedstawiono wyniki badań dwóch metod modelowania: transformacji wielomianowej i transformacji sferycznej. Przedstawiono sposób automatycznego generowania danych, wymaganych w pierwszej z metod oraz sposób dokładnego ustawiania kamery względem obserwowanej sceny. W celu porównania dokładności obu metod, przedstawiono trójwymiarowe mapy błędów oraz oszacowano błąd względny. Omówiono również spostrzeżenia dotyczące systemu pozycjonowania i oszacowano błędy, wynikające z nieprecyzyjnego zamocowania kamery nad sceną.

EN

This article refers to the analyze of practical usefulness of selected methods of correcting geometrical image-distortions, introduced by camera-lens system. Recovered images are used in positioning system of mobile robot. Monitoring camera is mounted over the operating surface and is directed perpendicularly to this surface. There is used short focal length lens to achieve wide field of view. Such lenses introduce perceptible and important distortions of the observed environment. Analysis and recognition of such kind of images, and in particular using them to metrological applications, requires the correction of discussed distortions. Two methods of distortion modelling and manner of automatical data producing, required in one of these methods are presented. Precise method of camera positioning in respect to calibration pattern one can find here. In order to compare both methods, maps of error distributions are presented.