Analiza niepewności lokalizacji odometrycznej z wykorzystaniem systemu przechwytywania ruchu i symulacji Monte Carlo

pol Artykuł w języku polskim DOI: 10.14313/PAR_255/31

wyślij Sebastian Dudzik , Piotr Szeląg Politechnika Częstochowska, Wydział Elektryczny, Al. Armii Krajowej 17, 42-200 Częstochowa

Pobierz Artykuł

Streszczenie

W ostatnich latach obserwuje się bardzo dynamiczny rozwój technologii związanych z robotami mobilnymi, zwłaszcza robotami autonomicznymi. Jedną z podstawowych kompetencji robotów mobilnych jest nawigacja i związana z nią lokalizacja. W artykule przedstawiono wyniki badań mających na celu oszacowanie niepewności lokalizacji z wykorzystaniem modelu kinematyki napędu różnicowego. Wykonano badania eksperymentalne i symulacyjne robota mobilnego QBot 2e. W ramach badań eksperymentalnych przeprowadzono symulacje sprzętowe ruchu robota wzdłuż zadanych tras z jednoczesnym pomiarem prędkości. Wyniki pomiarów posłużyły do przeprowadzania symulacji Monte Carlo mającej na celu oszacowanie niepewności wyznaczania położenia robota. Na podstawie wyników badań stwierdzono, że niepewność lokalizacji rośnie wraz z czasem a gęstości prawdopodobieństwa zmiennych losowych reprezentujących położenie robota, mogą być z dużą dokładnością aproksymowane rozkładem normalnym.

Słowa kluczowe

lokalizacja robota mobilnego, metoda Monte Carlo, model kinematyki

Analysis of Odometric Localization Uncertainty Using a Motion Capture System and Monte Carlo Simulation

Abstract

In recent years, there has been a very dynamic development of technologies related to mobile robots, especially autonomous robots. One of the basic competences of mobile robots is navigation and related localization. The article presents the results of research aimed at estimating the accuracy of localization using the differential drive kinematics model. Experimental and simulation studies of the QBot 2e mobile robot were performed. As part of the experimental studies, hardware-in-the-loop simulations of the robot’s movement along the given paths were carried out with simultaneous speed measurements. The measurement results were used to conduct Monte Carlo simulations aimed at estimating the uncertainty of determining the robot’s position. Based on the research results, it was found that the uncertainty of localization increases with time and the probability densities of random variables representing the robot’s position can be approximated with high accuracy by the Gaussian distribution.

Keywords

mobile robot localization, Monte Carlo Method

Bibliografia

  1. Klancar G., Zdesar A., Blazic S., Skrjanc I., Eds., Wheeled Mobile Robotics, „Butterworth-Heinemann”, 2017.
  2. Rostkowska M., Topolski M., Skrzypczyński P., A modular mobile robot for multi-robot applications, „Pomiary Automatyka Robotyka”, Vol. 17, No. 2, 2013, 288–293.
  3. Maciel G.M., Pinto M.F., Júnior I.C.D.S., Marcato A.L.M., Methodology for autonomous crossing narrow passages applied on assistive mobile robots, „Journal of Control, Automation and Electrical Systems”, Vol. 30, No. 6, 2019, 943–953, DOI: 10.1007/s40313-019-00499-2.
  4. Siegwart R., Nourbakhsh Illah R., Scaramuzza D., Introduction to Autonomous Mobile Robots, 2nd ed., The MIT Press Cambridge, Massachusetts, 2011.
  5. Kleinberg J., The localization problem for mobile robots, Proceedings 35th Annual Symposium on Foundations of Computer Science, 1994, 521–531, DOI: 10.1109/SFCS.1994.365739.
  6. Wiech J., Podążanie za zadaną trajektorią grupy robotów kołowych z użyciem wirtualnych połączeń sprężysto-tłumiących, „Pomiary Automatyka Robotyka”, Vol. 27, Nr 3, 2023, 107–117, DOI: 10.14313/PAR_249/107.
  7. Menolotto M., Komaris D.-S., Tedesco S., O’Flynn B., Walsh M., Motion Capture Technology in Industrial Applications: A Systematic Review, „Sensors”, Vol. 20, No. 19, 2020, DOI: 10.3390/s20195687.
  8. Palacin J., Rubies E., Clotet E., Systematic Odometry Error Evaluation and Correction in a Human-Sized Three-Wheeled Omnidirectional Mobile Robot Using Flower-Shaped Calibration Trajectories, „Applied Sciences”, Vol. 12, No. 5, 2022, DOI: 10.3390/app12052606.
  9. Almassri A.M.M., Shirasawa N., Purev A., Uehara K., Oshiumi W., Mishima S., Wagatsuma H., Artificial Neural Network Approach to Guarantee the Positioning Accuracy of Moving Robots by Using the Integration of IMU/UWB with Motion Capture System Data Fusion, „Sensors”, Vol. 22, No. 15, 2022, DOI: 10.3390/s22155737.
  10. Borenstein J., Everett H.R., Feng L., Navigating mobile robots: Systems and techniques, A K Peters Ltd, 1996.
  11. Thrun S., Burgard W., Fox D. Probabilistic Robotics, MIT Press, 2005.
  12. Scaramuzza D., Siegwart R., Appearance-guided monocular omnidirectional visual odometry for outdoor ground vehicles, „IEEE Transactions on Robotics”, Vol. 24, No. 5, 2008, 1015–1026, DOI: 10.1109/TRO.2008.2004490.
  13. Censi A., An accurate closed-form estimate of ICP’s covariance, Proceedings 2007 IEEE International Conference on Robotics and Automation, 2007, 3167–3172, DOI: 10.1109/ROBOT.2007.363961.
  14. Fox D., Burgard W., Thrun S., Markov localization for mobile robots in dynamic environments, „Journal of Artificial Intelligence Research”, Vol. 11, 1999, 391–427, DOI: 10.1613/jair.616.
  15. Pająk G., Pająk I., Trajectory Planning for Mobile Manipulators with Control Constraints, „Pomiary Automatyka Robotyka”, R. 27, Nr 2, 2023, 21–30, DOI: 10.14313/PAR_248/21.
  16. Spong M., Hutchinson S., Vidyasagar M., Robot Modeling and Control, John Wiley & Sons, 2005.
  17. Nemec D., Šimák V., Janota A., Hruboš M., Bubeníková E., Precise localization of the mobile wheeled robot using sensor fusion of odometry, visual artificial landmarks and inertial sensors, „Robotics and Autonomous Systems”, Vol. 112, 2019, 168–177, DOI: 10.1016/j.robot.2018.11.019.
  18. Chenavier F., Crowley J.L., Position estimation for a mobile robot using vision and odometry, Proceedings of the IEEE International Conference on Robotics and Automation, 1992, DOI: 10.1109/ROBOT.1992.220052.
  19. Chong K.S., Kleeman L., Accurate odometry and error modelling for a mobile robot, Proceedings of the IEEE International Conference on Robotics and Automation, 1997, DOI: 10.1109/ROBOT.1997.606708.
  20. Dudzik S., Szeląg P., Baran J., Research Studio for Testing Control Algorithms of Mobile Robots, „International Journal of Electronics and Telecommunications”, Vol. 66, No 4, 2020, 759–768, DOI: 10.24425-ijet.2020.134038.
  21. Žlajpah L., Petrič T., Kinematic calibration for collaborative robots on a mobile platform using motion capture system, „Robotics and Computer-Integrated Manufacturing”, Vol. 79, 2023, DOI: 10.1016/j.rcim.2022.102446.
  22. Al-Kamil S., Szabolcsi R., Optimizing path planning in mobile robot systems using motion capture technology, „Results in Engineering”, Vol. 22, 102043, ISSN 2590-1230, 2024, DOI: 10.1016/j.rineng.2024.102043.
  23. De Giorgi C., De Palma D., Parlangeli G., Online Odometry Calibration for Differential Drive Mobile Robots in Low Traction Conditions with Slippage, „Robotics”, Vol. 13, No. 1, 2024, DOI: 10.3390/robotics13010007.
  24. Rapalski A., Dudzik S., Energy Consumption Analysis of the Selected Navigation Algorithms for Wheeled Mobile Robots, „Energies”, Vol. 16, No. 3, 2023, DOI: 10.3390/en16031532.