PRACA DYPLOMOWA MAGISTERSKA

Podobne dokumenty
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI. Robot do pokrycia powierzchni terenu

Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie

Porównanie algorytmów wyszukiwania najkrótszych ścieżek międz. grafu. Daniel Golubiewski. 22 listopada Instytut Informatyki

ROBOT MOBILNY ZBIERAJĄCY INFORMACJE O POMIESZCZENIU

Stworzenie prototypu robota, pomagającego ludziom w codziennym życiu

Algorytmy mrówkowe (optymalizacja kolonii mrówek, Ant Colony optimisation)

Projekt i wykonanie robota klasy Micromouse

Algorytmy wyznaczania centralności w sieci Szymon Szylko

Matematyczne Podstawy Informatyki

Działanie algorytmu oparte jest na minimalizacji funkcji celu jako suma funkcji kosztu ( ) oraz funkcji heurystycznej ( ).

Algorytm Stentz a D. Przemysław Klęsk Katedra Metod Sztucznej Inteligencji i Matematyki Stosowanej

Wykorzystanie algorytmów mrówkowych w dynamicznym problem

Matura próbna 2014 z matematyki-poziom podstawowy

Model symulacyjny robota Explorer 6WD z uwzględnieniem uszkodzeń

Digraf. 13 maja 2017

Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A

System sterowania robota mobilnego z modułem rozpoznawania mowy

Zastosowania Robotów Mobilnych

Algorytmy mrówkowe. H. Bednarz. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne

Wyznaczanie optymalnej trasy problem komiwojażera

Planowanie drogi robota, algorytm A*

Wyświetlanie informacji o stanie połączeń

Jakie 3 podstawowe zagadnienia są rozwiązywane za pomocą metod modelowania tras po terenie?

Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda

a) 7 b) 19 c) 21 d) 34

Wykorzystanie algorytmów mrówkowych w dynamicznym problem

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1

Fuzja sygnałów i filtry bayesowskie

3. WYNIKI POMIARÓW Z WYKORZYSTANIEM ULTRADŹWIĘKÓW.

rozpoznawania odcisków palców

Laboratorium Podstaw Robotyki I Ćwiczenie Khepera dwukołowy robot mobilny

Routing. mgr inż. Krzysztof Szałajko

KRYTERIA OCENY PARAMETRÓW KÓŁ POJAZDÓW POWYPADKOWYCH

INFORMATYKA SYSTEMÓW AUTONOMICZNYCH

Algorytm wyznaczania najkrótszej ścieżki w grafie skierowanym w zbiorze liczb rozmytych

POLITECHNIKA POZNAŃSKA

MCAR Robot mobilny z procesorem AVR Atmega32

EGZAMIN W KLASIE TRZECIEJ GIMNAZJUM W ROKU SZKOLNYM 2016/2017 CZĘŚĆ 2. ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ

KLUCZ PUNKTOWANIA ODPOWIEDZI

METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI

Algorytmy mrówkowe. P. Oleksyk. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne

1 Automaty niedeterministyczne

2. Zmienne i stałe. Przykłady Napisz program, który wypisze na ekran wynik dzielenia 281 i 117 w postaci liczby mieszanej (tj. 2 47/117).

Symulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych

Algorytmy zachłanne. dr inż. Urszula Gałązka

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Raport Robot mobilny klasy micromouse. Adrian Gałęziowski Paweł Urbaniak

Wyznaczanie dyspersji optycznej pryzmatu metodą kąta najmniejszego odchylenia.

Sprawozdanie do zadania numer 2

Mechanika Robotów. Wojciech Lisowski. 5 Planowanie trajektorii ruchu efektora w przestrzeni roboczej

Modelowanie i symulacja rozproszona mobilnych sieci ad-hoc Promotor: dr hab. inż. Ewa Niewiadomska-Szynkiewicz

Planowanie przejazdu przez zbiór punktów. zadania zrobotyzowanej inspekcji

Regulamin konkursu robotyki edukacyjnej. MielecBot 2019

ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR 2 POZIOM PODSTAWOWY. Etapy rozwiązania zadania

Konstrukcja Micro Mouse

Wstęp do programowania

Ćw. 18: Pomiary wielkości nieelektrycznych II

Zadanie Odpowiedź D C B A C B C C D C C D A

Zakład Inżynierii Komunikacyjnej Wydział Inżynierii Lądowej Politechnika Warszawska PODSTAWY PROJEKTOWANIA LINII I WĘZŁÓW TRAMWAJOWYCH CZĘŚĆ III

Raport z budowy robota Krzysio

Nawigacja mobilnych robotów

DWA ZDANIA O TEORII GRAFÓW. przepływ informacji tylko w kierunku

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

KLUCZ PUNKTOWANIA ODPOWIEDZI

Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych

Ogólnopolski Próbny Egzamin Ósmoklasisty z OPERONEM Matematyka. Klucz punktowania

System wykrywania obiektów (pieszych, rowerzystów, zwierząt oraz innych pojazdów) na drodze pojazdu. Wykonał: Michał Zawiślak

Drgania wymuszone - wahadło Pohla

WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI. Metody całkowitego pokrycia powierzchni terenu przez robota mobilnego

STARTER SEED V4.0 INSTRUKCJA OBSŁUGI

PODSTAWY NAWIGACJI SPISZ TREŚCI: 1. UKŁAD UTM 1.1. SCHEMAT ZAPISU WSPÓŁRZĘDNYCH W UKŁADZIE UTM 2. WYZNACZANIE AZYMUTU/KIERUNKU MARSZU

Temat ćwiczenia: Opracowanie stereogramu zdjęć naziemnych na VSD.

NIEPEWNOŚĆ W OKREŚLENIU PRĘDKOŚCI EES ZDERZENIA SAMOCHODÓW WYZNACZANEJ METODĄ EKSPERYMENTALNO-ANALITYCZNĄ

WIZUALIZACJA I STEROWANIE ROBOTEM

MATEMATYKA POZIOM PODSTAWOAWY Kryteria oceniania odpowiedzi. Arkusz A I. Strona 1 z 7

Politechnika Śląska. Katedra Wytrzymałości Materiałów i Metod Komputerowych Mechaniki. Praca dyplomowa inżynierska. Wydział Mechaniczny Technologiczny

Przedmiotowe zasady oceniania i wymagania edukacyjne z matematyki dla klasy drugiej gimnazjum

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II

OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) Algorytmy i Struktury Danych PIŁA

Układ kierowniczy. Potrzebę stosowania układu kierowniczego ze zwrotnicami przedstawia poniższy rysunek:

POLITECHNIKA POZNAŃSKA Wydział Maszyn Roboczych i Transportu Kierunek Mechanika i Budowa Maszyn Specjalność Samochody i Ciągniki

Kąty Ustawienia Kół. WERTHER International POLSKA Sp. z o.o. dr inż. Marek Jankowski

xx + x = 1, to y = Jeśli x = 0, to y = 0 Przykładowy układ Funkcja przykładowego układu Metody poszukiwania testów Porównanie tabel prawdy

Systemy uczące się Lab 4

Algorytmy stochastyczne laboratorium 03

Szczegółowe wymagania dotyczące funkcjonalności systemu informacji pasażerskiej.

Dalmierze firmy SHARP na przykładzie 2D120XJ100F

Pozycja Mapa globalna. Œrodowisko

EGZAMIN W KLASIE TRZECIEJ GIMNAZJUM W ROKU SZKOLNYM 2017/2018 CZĘŚĆ 2. ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ

Planowanie ruchu brył i robotów

LASERY I ICH ZASTOSOWANIE

FIGURY I BRYŁY JEDNOSTKI MIARY KĄTY POLE I OBWÓD OBJĘTOŚĆ I POWIERZCHNIA TRÓJKĄT PROSTOKĄTNY

TEMAT: PARAMETRY PRACY I CHARAKTERYSTYKI SILNIKA TŁOKOWEGO

Symulacyjne metody wyceny opcji amerykańskich

Customer Attribution Models. czyli o wykorzystaniu machine learning w domu mediowym.

Wymagania na poszczególne oceny w klasie II gimnazjum do programu nauczania MATEMATYKA NA CZASIE

Zagadnienia egzaminacyjne AUTOMATYKA I ROBOTYKA. Stacjonarne I-go stopnia TYP STUDIÓW STOPIEŃ STUDIÓW SPECJALNOŚĆ

S O M SELF-ORGANIZING MAPS. Przemysław Szczepańczyk Łukasz Myszor

Wymagania edukacyjne z matematyki na poszczególne śródroczne oceny klasyfikacyjne dla klasy IV w roku 2019/2020.

ROK SZKOLNY 2017/2018 WYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE OCENY:

Transkrypt:

Politechnika Poznańska Wydział Budowy Maszyn i Zarządzania PRACA DYPLOMOWA MAGISTERSKA Konstrukcja autonomicznego robota mobilnego Małgorzata Bartoszewicz Promotor: prof. dr hab. inż. A. Milecki

Zakres pracy 2 Rozpoznanie w zakresie autonomicznych robotów mobilnych Wykonanie dokumentacji robota mobilnego oraz jego sterownika Opracowanie i przebadanie algorytmów sterujących robotem omijającym przeszkody

Autonomiczne roboty mobilne 3 Urządzenia mechaniczne zdolne do: przemieszczania się w środowisku rzeczywistym, odbierania z niego bodźców, adaptacji do zmieniających się warunków otoczenia, oraz podejmowania decyzji związanych z wykonaniem powierzonych im wcześniej zadań.

4 Dokumentacja

5 Dokumentacja

6 Model 3D robota

7 Model 3D robota

Czujniki 8 Skonstruowany robot wykorzystuje następujące czujniki do zbierania informacji o swoim stanie oraz o otoczeniu: dalmierz laserowy LMS221-S19 firmy SICK, czujnik podczerwieni SHARP IR o zasięgu 10-80 cm, dwa enkodery inkrementalne MHK40 do pomiaru prędkości kół. Nawigacja w robocie opiera się na odczytach czujników odometrycznych (enkoderów) oraz aktywnego czujnika zasięgu (dalmierza laserowego).

Czujniki 9 MHK40 SHARP IR GP2Y0A21YK0F Dalmierz umożliwia tworzenie lokalnej mapy otoczenia i ustalenie pozycji robota poprzez dopasowanie mapy lokalnej do globalnej (z określonym prawdopodobieństwem). Połączenie metod dopasowania mapy i odometrii umożliwia dokładniejszą lokalizację, niż z zastosowaniem samych enkoderów. Czujnik podczerwieni SHARP IR jest czujnikiem bliskiego zasięgu o wyjściu analogowym. Jeśli wykryje on przeszkodę, robot natychmiast się zatrzymuje.

Reprezentacja mapy otoczenia 10 Mapa rastrowa Reprezentacja graficzna w symulacji

Zastosowany algorytm 11 Najbardziej znanym i rozpowszechnionym algorytmem wyszukiwania najkrótszych ścieżek w grafie z jednym źródłem jest algorytm Dijkstry. Aby zastosować algorytm Dijkstry do obliczenia trasy z ominięciem przeszkód, konieczna jest zamiana w programie reprezentacji otoczenia robota z rastrowej na grafową. Tworzony graf jest tablicą jednoelementową alokowaną dynamicznie, podobnie jak wczytywana mapa rastrowa. Każdemu pikselowi na mapie zostaje przypisany wierzchołek grafu.

Zastosowany algorytm 12 Trasa wyznaczona algorytmem Dijkstry, mimo iż optymalna z punktu widzenia założeń początkowych (zakłada się połączenie wierzchołka jedynie z wierzchołkami przyległymi), może w rzeczywistości zostać poddana dalszemu uproszczeniu. Kolejnym etapem ustalania trasy jest opracowanie trasy optymalnej metodą rzutowania promieni (ray casting) na podstawie istniejącej już ścieżki.

Zastosowany algorytm 13 Trasa niebieska wyznaczona algorytmem Dijkstry Trasa zielona wyznaczona po rzutowaniu promieni Żółte linie przykładowe rzutowane promienie

Podążanie trasą 14 W trakcie symulacji z prawej i lewej strony robota pokazują się paski informujące o aktualnej prędkości kół.

Podążanie trasą 15 W trakcie jazdy robot sprawdza zarówno swój aktualny kąt α, jak i aktualny kąt do celu ϕ, a następnie na podstawie różnicy między nimi dostosowuje współczynniki fp i fl prędkości kół prawego i lewego.

Podążanie trasą 16 Wartość współczynników fl i fp w zależności od różnicy aktualnych kątów do celu i robota 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0-90 -45 0 45 90 φ aktualne - α aktualne fp Ponadto, na podstawie odległości pozostałej do osiągnięcia celu (węzła trasy), robot uwzględnia współczynnik fc. fl Gdy odległość jest mniejsza niż 10 m, współczynnik zaczyna maleć, do wartości 0.2 w węźle trasy. Gdy robot zawraca fc = 0.5.

Podążanie trasą 17 Uaktualnienie prędkości kół następuje na podstawie wzorów: vl vp fc fc fl vmax fp vmax Prędkość wypadkowa robota jest zaś równa: v vl vp 2 Kąt robota uaktualniany jest na podstawie obliczanej najpierw prędkości kątowej ω: vlvp 2b

Badanie algorytmu omijania przeszkód 18 Wpływ na przebieg ścieżki wyznaczanej za pomocą algorytmu Dijkstry ma przypisanie odpowiednich wag dla połączeń z każdym z sąsiadów. Jeżeli bardzo istotne byłoby nieprzemieszczanie się robota po ścieżkach biegnących ukośnie, należałoby zmienić wagi połączeń np. na 1 dla połączenia z sąsiadami górnym, dolnym i bocznymi oraz przykładowo 5 dla pozostałych. Z tytułu braku dodatkowych ograniczeń wybrane wagi to 1 dla połączeń z sąsiadami górnym, dolnym i bocznymi, oraz 1.41 dla pozostałych, ponieważ odpowiadają one geometrycznej relacji długości przebytych dróg między środkami kwadratów mapy wybranych sąsiadów.

Badanie algorytmu omijania przeszkód 19 Waga połączeń po skosie 5 Waga połączeń po skosie 1.41

Badanie algorytmu omijania przeszkód 20 Sposób przeprowadzania ścieżki optymalnej Przypadek 1: Warunkiem przerwania promienia jest obecność przeszkody na wczytanej mapie. Problem pojawia się, kiedy rzutowany promień będzie przebiegał przez wierzchołek przeszkody. Kolejny węzeł po przekątnej jest teoretycznie wolny od przeszkód. W rzeczywistości pojazd nie przejedzie jednak tą trasą, bo uderzyłby w przeszkodę.

Badanie algorytmu omijania przeszkód 21 Sposób przeprowadzania ścieżki optymalnej Przypadek 2. Promień zostaje przerwany zarówno wtedy, kiedy natrafi na węzeł, w którym istnieje rzeczywista przeszkoda, jak i na węzeł, który jest bezpośrednim sąsiadem przeszkody. Zdarza się wtedy, że trasa optymalna nie zostaje wytyczona, ponieważ niemożliwe jest znalezienie trasy w linii prostej do następnego węzła.

Badanie algorytmu omijania przeszkód 22 Rozwiązaniem jest zastosowanie takiej optymalizacji, która w przypadku braku połączenia w linii prostej z następnym węzłem zapamiętanym przy obliczaniu algorytmem Dijkstry uzna go za kolejny punkt nowej trasy i przejdzie do rzutowania promienia właśnie z niego. Algorytm optymalizacji wspiera się zatem wcześniejszym rozwiązaniem Dijkstry, gdy sam nie może ustalić trasy.

Badanie algorytmu omijania przeszkód 23 Dystans bezpieczeństwa przy wyznaczaniu trasy: 2 pola od przeszkody (dotyczy także dodatkowych przeszkód)

Badanie algorytmu omijania przeszkód 24 Ponieważ nowa przeszkoda traktowana jest tak samo jak wszystkie, które były na mapie wcześniej, nowa trasa nie może przebiegać w odległości mniejszej niż 2 pola od niej. Przez to może się zdarzyć, że robot zmuszony będzie do nadłożenia sporej drogi. Z drugiej strony, gdyby zmniejszyć bezpieczny dystans od nowo napotkanych przeszkód, nowa trasa mogłaby być dla robota zbyt ryzykowna.

Badanie algorytmu omijania przeszkód 25 Wnioski: Konieczna optymalizacja trasy wyznaczonej algorytmem Dijkstry z uwagi na przyjęte warunki początkowe. Konieczne założenie bezpiecznego dystansu, aby robot nie uderzył o przeszkodę w trakcie podążania ścieżką optymalną. Ustawienie dodatkowych przeszkód może uniemożliwić osiągnięcie celu lub znacznie wydłużyć drogę do niego. W rzeczywistości błędy odometrii i lokalizacji pozycji robota być może konieczne dodatkowe czujniki.

26 Dziękuję za uwagę