Abstract

Problem podjęty w rozprawie dotyczy trójwymiarowego odwzorowania otoczenia przez roboty mobilne. Wpisuje się on w zagadnienie SLAM - jednoczesnego określania położenia i tworzenia mapy. W pracy skupiono się na wybranej realizacji mapowania opartej na stereowizji (konkretnego zagadnienia SLAM). Duży nacisk położono także na warunki konieczne do zapewnienia prawidłowej stereowizji oraz na sprzętowy układ eksperymentu, który umożliwia odwzorowanie ograniczonego otoczenia. Stereowizja dostarcza danych przestrzennych na podstawie obrazów z dwóch kamer. W typowym systemie stereowizyjnym zależności między kamerami są stałe. Natomiast w pracy założono zmienną bazę stereo, więc parę obrazów uzyskuje się, gdy robot znajduje się w różnych pozycjach. Istotnym problemem jest także dokładna estymacja położenia i ułożenia robota, ponieważ pozycja kamery zmienia się wraz z bazą. Ze względu na trójwymiarową reprezentację środowiska, położenie i ułożenie wyznaczane są także w trzech wymiarach. Estymacja położenia i ułożenia robota zaproponowana w pracy opiera się na fuzji danych inercyjnych i filtracji Kalmana. Odpowiednia filtracja pozwala estymować pozycję robota dzięki zidentyfikowanemu modelowi dynamiki robota i modelowi akcelerometru, a także dzięki danym akcelerometrycznym i sygnałowi sterującemu robotem. Estymacja jest użyteczna mimo istnienia złożonych i silnych szumów pomiarowych. Metoda została zweryfikowana w warunkach rzeczywistych przy użyciu laboratoryjnej platformy sprzętowej. Dodatkowo parametry modelu testowej platformy robota wyznaczono autorską metodą estymacji opartą na przetwarzaniu danych z kamery CMOS (z wykrywaniem kolorowego znacznika). Na podstawie rozważań analitycznych wyznaczono wrażliwość stereowizji na błędy położenia i ułożenia robota, co pozwoliło określić, w jaki sposób błędy te propagują się na głębię widzenia. Ewaluację wrażliwości stereowizji przeprowadzono w środowisku wirtualnym i rzeczywistym uwzględniając dokładność mapowania ze zmienną bazą stereo. Wyznaczono wirtualną mapę głębi (jako mapę odniesienia) dla wybranych 30 wirtualnych scen a także odrębne cztery mapy głębi dla wybranych baz. Dzięki porównaniu tych map z mierzonymi mapami głębi określono błąd odwzorowania. Na tej podstawie zweryfikowano ilościowo, w jakim stopniu wykorzystanie zmiennej bazy poprawia docelowe odwzorowanie otoczenia. Zrealizowane testy rzeczywiste wykazały, że opracowany system ze zmienną bazą jest użyteczny przy mapowaniu otoczenia robota.

Author (1)