Author(s): Bernardino, Rúben Cardoso
Date: 2016
Persistent ID: http://hdl.handle.net/10400.21/7062
Origin: Repositório Científico do Instituto Politécnico de Lisboa
Subject(s): Robótica móvel; Visão computacional; Robô diferencial; Calibração; Odometria; Controlo; Controlador PID; Filtro de Kalman estendido; Mobile robotics; Computer vision; Differential drive robot; Calibration; Odometry; Control; PID controller; Extended Kalman filter
Trabalho final de mestrado para obtenção do grau de Mestre em Engenharia Mecânica
A presente dissertação apresenta uma solução para um robô móvel com navegação baseada em visão para ser aplicado em máquinas-ferramenta. Para tal, foi utilizado um protótipo de um robô de tracção diferencial de pequena escala onde um instrumento de escrita simula a actuação da máquinaferramenta. O protótipo dispõe ainda de uma câmara equipada com uma lente olho de peixe controlada por uma placa Raspberry Pi. Com o objectivo de imprimir uma determinada trajectória desejada com rigor, começou-se por desenvolver um algoritmo de planeamento onde se discretizou a dita trajectória. Seguidamente, foi definido o modelo cinemático do protótipo o qual, juntamente com o planeamento, permitiram desenvolver o anel de controlo para os motores onde se incorporou também um controlador PID. Com as leituras dos encoders das rodas, foi possível efectuar a localização baseada em odometria, a qual não apresentou rigor suficiente devido ao deslize das rodas e erros de modelação. Recorrendo à calibração da câmara através de uma toolbox implementada em ambiente MATLAB, obteve-se os parâmetros intrínsecos da câmara. Com estes foi então possível transformar as imagens obtidas pela câmara para que fosse retirada a deformação imposta pela lente de olho de peixe. Assim, foi possível estabelecer uma relação entre píxel e metro. Para a localização baseada em visão, foram utilizadas três referências (beacons) colocadas em posições conhecidas e a partir das quais foi calculada a postura do robô relativamente às mesmas. Esta avaliação utiliza apenas duas referências em vez das três que normalmente são utilizadas na triangulação, utilizando distâncias para o cálculo da localização em vez de ângulos. Esta informação juntamente com os dados da odometria são introduzidos num filtro de Kalman estendido com o objectivo de reduzir o desvio da estimativa baseada apenas na odometria. Por fim, a viabilidade da conjugação dos dois métodos de localização, quando aplicados em ambientes industriais, é discutida.
Abstract: The present dissertation presents a vision based mobile robot system to be applied in machine tools. The prototype under study is a small scale differential drive robot where an incorporated writing tool simulates the action of the machine tool. Besides that, the robot has a fish-eye camera controlled by a Raspberry Pi board. The first step in devising a system for printing with enough precision was the development of a planning algorithm that produces a discretized trajectory. The next step was the definition of the kinematic model of the prototype which, when combined with the planning, allowed the development of a PID controller loop for the motors. Using the encoders readings a robot position estimate is computed, although the precision is not sufficient due to wheel slippage and modelling errors. The camera calibration was achieved using an open-source MATLAB toolbox, which produced the camera’s intrinsic parameters. With these parameters in hand, it was possible to transform the images obtained by the camera so that the deformation caused by the lens was removed. Once undistorted images are available, it is possible to take reliable measures on them. For the purpose of vision based localization, three active beacons were placed in known positions in the world, inside the robot’s viewing area. This computation relies only on two beacons instead of three, as is commonly used in triangulation, since the robot’s pose is computed using distances instead of bearings. This information is combined with the odometry estimate in an exteded Kalman filter with the goal of reducing the error that the odometry is unable to handle. To conclude, the viability of the conjugation between the two approaches to localization, when applied in industrial scenarios, is discussed.
