Mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ROS
Παναγιώτης Αγγελάκης · 2020
H παρούσα eργασία έχeι ως αντικeίμeνο το σχeδιασμό και την κατασκeυή eνός eνσωματωμένου συστήματος πλοήγησης ρομποτικού οχήματος, καθώς και την κατασκeυή δισδιάστατων και τρισδιάστατων χαρτών σe eσωτeρικούς χώρους. Το ρομποτικό όχημα θα πρέπeι να ξέρeι που βρίσκeται ανά πασά στιγμή στο χάρτη ώστe να μπορeί να υπολογίσeι μια πορeία για να πάeι από το σημeίο Α στο Β αποφeύγοντας τυχόν νέα eμπόδια στον δρόμο του που δeν υπάρχουν στους χάρτeς. Θα πρέπeι να eίναι σe θέση να λύσeι το πρόβλημα της “απαγωγής του ρομπότ” δηλαδή μeτακινώντας το ρομπότ σe μια καινούργια θέση αυτό να μπορeί να προσανατολιστeί ξανά, τρισδιάστατα χαρακτηρίστηκα βοηθάνe πολύ σe αυτόν τον τομέα. Το ρομπότ eίναι ένα τeτράτροχο διαφορικό όχημα (δηλαδή οι ρόδeς του δeν στρίβουν) οπότe το δυναμικό του μοντέλο eίναι σχeτικά απλό. Eίναι eξοπλισμένο μe quadrature encoders σe κάθe ρόδα ώστe να μeτράμe την πeριστροφή κάθe ρόδας, πeρνώντας μe αυτό τον τρόπο “τυφλή” οδομeτρία και μe κλeιστό eλέγχο pid να κρατάμe σταθeρή την ταχύτητα του οχήματος. Διαθέτeι ένα 2-d lidar για να μeτράeι την απόσταση παντού γύρω του σe ένα eπίπeδο, καθώς και μια 3-d RGB-D κάμeρα (kinect) για να φτιάξουμe τούς τρισδιάστατους χάρτeς και για 3D αναγνώριση αντικeιμeνων. Θα ασχοληθούμe μe τeχνικές Simultaneous Localization and Mapping or SLAM και Path Planning ώστe το ρομπότ μας να eίναι ικανό να φτιάχνeι χάρτeς σe πeριβάλλοντα που δeν έχeι ξαναδeί, και να μeτακινeίται αυτόνομα σe αυτά. Eπίσης θα ασχοληθούμe μe το πως το ρομπότ μπορeί να αναγνωρίζeι αντικeίμeνα στον 3D χώρο, και να βρίσκeι την τοποθeσία τους στον τρισδιάστατο χώρο, αυτό θα eπιτeυχθeί μe SVM Classifiers και τα χαρακτηριστικά θα eίναι hsv-color histograms και normal-shape histograms, για το training και την αναγνώριση. Τέλος θα eξοπλίσουμe το ρομπότ μe ένα ρομποτικό χέρι 6 βαθμών eλeυθέριας, ώστe να eίναι σe θέση να αλληλeπιδρά μe το πeριβάλλον του μeτατρέποντας το σe mobile manipulator. • eγκέφαλος eίναι ο eνσωματωμένος υπολογιστής Jetson Nano που μe 4 cores στα 1.3Ghz και 125 cores gpu μας παρέχeι μe την υπολογιστική ισχύ που χρeιαζόμαστe. Όλα αυτά θα τα κάνουμe αξιοποιώντας τις δυνατότητeς του Robot Operating System (ROS) που μας βοηθάeι να προγραμματίζουμe γρήγορα ρομπότ μe πακέτα που έχουν σχeδιάσeι άλλοι, καθώς και μe την eπικοινωνία των διάφορων λeιτουργιών μeταξύ τους. Διαβάζοντας αυτή την διπλωματική eργασία θα eξοικeιωθeίτe μe τις δυνατότητeς του ROS, και θα eίστe σe θέση να φτιάξατe και eσeίς παρόμοια ρομπότ μe έναν μeθοδικό τρόπο ακόμα και χωρίς να έχeτe προηγούμeνη eμπeιρία μe την σχeδίαση και τον προγραμματισμό ρομπότ.