SZENZORFÚZIÓS ELJÁRÁSOK KIDOLGOZÁSA AUTONÓM JÁRMŰVEK PÁLYAKÖVETÉSÉRE ÉS IRÁNYÍTÁSÁRA

Átírás

1 infokommunikációs technológiák SZENZORFÚZIÓS ELJÁRÁSOK KIDOLGOZÁSA AUTONÓM JÁRMŰVEK PÁLYAKÖVETÉSÉRE ÉS IRÁNYÍTÁSÁRA

2 BEVEZETŐ A KUTATÁS CÉLJA Autonóm járművek és robotok esetén elsődleges feladat a robotok helyzetének meghatározása és követése. Csak a robotra szerelt érzékelőkön alapuló lokalizációs módszerek (inerciális mérőegységek és kerékelfordulást mérő érzékelők) esetén jelentős mérési hibákra számíthatunk, ezért önmagukban alkalmatlanok a pozíciómérésre, helymeghatározásra. Épületen belül használt robotok esetén ilyen külső lokalizáló rendszerként szóba jöhet rádiójel vagy ultrahang alapú pozíciómérés. A kutatási munka során a robot lokalizációját ultrahang alapú távolságméréssel valamint inerciális szenzorok jelei alapján valósítjuk meg. Kálmán szűrő alapú szenzorfúziós eljárásokat dolgozunk ki a minél gyorsabb és pontosabb lokalizációra. Megoldjuk az ultrahangos rendszer optimális elhelyezésének a feladatát, automatikus kalibrálását. A kidolgozott lokalizációs rendszerünk hatékonyságát autonóm robotirányítási feladatokon keresztül demonstráljuk. 2

3 BEVEZETŐ A KUTATÓCSOPORT A kutatócsoport tagjai: Márton Lőrinc, Docens, Sapientia Erdélyi Magyar Tudományegyetem Feladatok: Algoritmusfejlesztés Szimulációs vizsgálatok Mérések, mérések feldolgozása Publikációk írása Nagy Csaba, MSc hallgató, Sapientia Erdélyi Magyar Tudományegyetem Bíró Zalán, MSc hallgató, Sapientia Erdélyi Magyar Tudományegyetem Feladatok: Hardver- és szoftverfejlesztés Szimulációs környezet kidolgozása Mérések, mérések feldolgozása 3

4 BEVEZETŐ KUTATÁSI FELADATOK RÉSZLETEZÉSE 2014 Augusztus December 31 Márton Lőrinc 2014 augusztus-oktober Kálmán szűrő, kiterjesztett Kálmán szűrő elméletének feldolgozása Particle Filter, Unscented Kalman Filter elméletének feldolgozása A Kálmán szűrő alapú szenzorfúzió kidolgozása Márton Lőrinc 2014 november-december Lineáris Kálmán szűrőn alapuló robot lokalizációs mérések Konferencia cikk írása Kiterjesztett Kálmán szűrőn alapuló robot lokalizációs mérések Nagy Csaba 2014 augusztus-oktober Ultrahangos jeladó eszköz hardver fejlesztése Beágyazott rendszer alapú ultrahangos vevő eszköz hardver fejlesztése Ultrahangos távolságmérő szoftver fejlesztése, kommunikáció megvalósítása a lokalizációt végző rendszerelemek között Nagy Csaba 2014 november-december Számítógépes szoftver fejlesztése robot lokalizációra A lokalizációs rendszer automatikus kalibrációjának kidolgozása és megvalósítása Az ultrahangos vevők optimális térbeli elhelyezésének kidolgozása és megvalósítása Bíró Zalán 2014 augusztus-oktober Inerciális szenzor jeleit feldolgozó beágyazott rendszer hardver fejlesztése A szenzor jeleinek beolvasásra alkalmas szoftver fejlesztése Szenzor jelek mérési arhitekturájának tesztelése, mérések Bíró Zalán 2014 november-december Szimulációs szoftver a lineáris Kálmán szűrő teszteléséhez A lineáris Kálmán szűrő valós idejű megvalósítása A kiterjesztett Kálmán szűrő szimulációja 4

5 KUTATÁSI EREDMÉNYEK - HARDVERFEJLESZTÉS A rendszer tömbrajza Az ultrahangos adók a mester számítógéppel R485 buszon kommunikálnak A mester számítógép a felelős a robot pozíciójának meghatározásáért A megkapott pozíciót vezeték nélküli hálózaton elküldi a robothoz Az adó-vevő távolságmérés elve A mérések szinkronizációját egy infravőrős jeladóval végezzük, szinkronizációt a mester számítógép kezdeményezi Fázismodulált jelet alkalmazunk a pontos távolságméréshez, vevő oldalon a fázisváltozást detektáljuk. Mérési frekvencia ms 5

6 KUTATÁSI EREDMÉNYEK - HARDVERFEJLESZTÉS Az ultrahangos adó Az ultrahangos vevő 6

7 KUTATÁSI EREDMÉNYEK HARDVERFEJLESZTÉS Az inerciális szenzor - Mérési frekvencia - 10 ms - Gyorsulásmérés (3 tengelyen) - Magnetométer Orientációmérés (3 tengely) - Giroszkóp Szögsebességmérés (3 tengely) 7

8 KUTATÁSI EREDMÉNYEK - SZOFTVERFEJLESZTÉS 8

9 KUTATÁSI EREDMÉNYEK ULTRAHANGOS TÁVOLSÁGMÉRÉS Egy nemlineáris egyenletrendszert kell megoldani (min. 2 egyenlet szükséges síkbeli pozíció meghatározáshoz) Ha az egyik ultrahangos vevő az origó fölött van, explicit megoldás: 9

10 KUTATÁSI EREDMÉNYEK AZ UH. VEVŐK POZÍCIÓJÁNAK KALIBRÁLÁSA Megvizsgáltuk, hogy az ultrahangos vevők térbeli pozíciója pontosságának ismerete hogyan befolyásolja a lokalizációs számításokat. Eredmény: 1cm pontatlanság az ultrahangos vevő pozíciójában akár 5cm lokalizációs pontosságot eredményezhet. 10

11 KUTATÁSI EREDMÉNYEK AZ UH. VEVŐK POZÍCIÓJÁNAK KALIBRÁLÁSA Mivel a vevők pozíciója jelentősen befolyásolja a robot pozíció számítását, egy statikus optimizáláson alapó kalibrációs eljárást dolgoztunk ki a robot környezetében elhelyezett ultrahangos vevők pontos pozíciójának meghatározására. 11

12 KUTATÁSI EREDMÉNYEK KÉTLÉPCSŐS KÁLMÁN SZŰRŐ SZENZORFÚZIÓRA Figyelembe vettük, hogy az ultrahangos lokalizáció esetében mérési frekvencia kissebb, mint az inerciális szenzor jeleinek mérési frekvenciája. Figyelembe vettük a nagyfrekvenciás mérési zajokat (inerciális szenzor, ultrahangos mérések) valamint a gyorsulás- és giroszkópmérés ofszetjét (konstans mérési hiba) Ennek megfelelően egy kétlépcsős Kálmán szűrő alapú fúziós technikát dolgoztunk ki. Az első lépésben a robot orientációját becsültük meg az inerciális szenzor mérési rátájával lineáris Kálmán szűrő alkalmazásával. A második lépésben a robot pozícióját és lineáris sebességét határoztuk meg: a nemlineáris szűrő predikciós lépésének rátája megegyezik az inerciális szenzor mérésének frekvenciájával. A szűrő javító lépésének frekvenciája megegyezik az ultrahangos lokalizációs rendszer mérési frekvenciájával. 12

13 KUTATÁSI EREDMÉNYEK ROBOTMODELL A LOKALIZÁCIÓHOZ Lineáris modell az első lépéshez Nemlineáris modell a második lépéshez 13

14 KUTATÁSI EREDMÉNYEK SZIMULÁCIÓ ELSŐ LÉPÉS A robot orientációjának és a giroszkóp offszetjének becslése Lineáris Kálmán Szűrővel 14

15 KUTATÁSI EREDMÉNYEK SZIMULÁCIÓ MÁSODIK LÉPÉS A robot pozíciójának és lineáris sebességkomponenseinek becslése Kiterjesztett Kálmán Szűrővel 15

16 KUTATÁSI EREDMÉNYEK SZIMULÁCIÓ: UKF-EKF ÖSSZEHASONLÍTÁS A nemlineáris szűrő magvalósításához két módszert teszteltünk: a Kiterjesztett Kálmán Szűrőt és a Unscented Kálmán Szűrőt 16

17 KUTATÁSI EREDMÉNYEK SZIMULÁCIÓ: UKF-EKF ÖSSZEHASONLÍTÁS A Kiterjesztett Kálmán Szűrő és az Unscented Kálmán Szűrő alapú pozícióbecslés 17

18 KUTATÁSI EREDMÉNYEK VALÓS IDEJŰ MÉRÉSEK Az első valós idejű mérési eredmények KUKA Youbot mobilis platformmal ponttól-pontig mozgás esetén 18

19 PUBLIKÁCIÓ ELFOGADOTT KONFERENCIACIKK 19

20 KUTATÁSI FELADATOK TELJESÍTÉSE Márton Lőrinc 2014 augusztus-oktober Kálmán szűrő, kiterjesztett Kálmán szűrő elméletének feldolgozása Particle Filter, Unscented Kalman Filter elméletének feldolgozása A Kálmán szűrő alapú szenzorfúzió kidolgozása Elvégezve: Lásd: Kutatasi_ Beszamolo_Aug_Okt_Marton_Lorinc.pdf Márton Lőrinc 2014 november-december Lineáris Kálmán szűrőn alapuló robot lokalizációs mérések Konferencia cikk írása Kiterjesztett Kálmán szűrőn alapuló robot lokalizációs mérések Elvégezve: Lásd: Kutatasi_ Beszamolo_Nov_Dec_Marton_Lorinc.pdf Lásd: ICIT 2015 publikáció Nagy Csaba 2014 augusztus-oktober Ultrahangos jeladó eszköz hardver fejlesztése Beágyazott rendszer alapú ultrahangos vevő eszköz hardver fejlesztése Ultrahangos távolságmérő szoftver fejlesztése, kommunikáció megvalósítása a lokalizációt végző rendszerelemek között Elvégezve: Lásd: Kutatasi_ Beszamolo_Aug_Okt_Nagy_Csaba.pdf Nagy Csaba 2014 november-december Számítógépes szoftver fejlesztése robot lokalizációra A lokalizációs rendszer automatikus kalibrációjának kidolgozása és megvalósítása Az ultrahangos vevők optimális térbeli elhelyezésének kidolgozása és megvalósítása Elvégezve: Lásd: Kutatasi_ Beszamolo_Nov_Dec_Nagy_Csaba.pdf Lásd: ICIT 2015 publikáció Bíró Zalán 2014 augusztus-oktober Inerciális szenzor jeleit feldolgozó beágyazott rendszer hardver fejlesztése A szenzor jeleinek beolvasásra alkalmas szoftver fejlesztése Szenzor jelek mérési arhitekturájának tesztelése, mérések Elvégezve: Lásd:Kutatasi_ Beszamolo_Aug_Okt_Biro_Zalan.pdf Bíró Zalán 2014 november-december Szimulációs szoftver a lineáris Kálmán szűrő teszteléséhez A lineáris Kálmán szűrő valós idejű megvalósítása A kiterjesztett Kálmán szűrő szimulációja Elvégezve: Lásd:Kutatasi_ Beszamolo_Nov_Dec_Biro_Zalan.pdf Lásd: ICIT 2015 publikáció 20

21 JÖVŐBELI TERVEK Más, korszerű szűrési eljárások (például Particle Filter) vizsgálata és alkalmazása a kidolgozott szenzorfúziós eljáráshoz. Valós idejű implementáció és mérések komplex robotmozgáshoz. A lokalizáció robusztusságának növelése, a vevők rövid idejű árnyékolásának kompenzálása. Robotirányítási algoritmus fejlesztése amely alkalmazza a szenzorfúziós eljárás által szolgáltatott robotpozíciót és sebességeket. A robotlokalizációs rendszer kiterjesztése több, egy-időben mozgó robotra. 21

22 infokommunikációs technológiák KÖSZÖNÖM A FIGYELMET!