Mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ROS
The purpose of the present work is to design and build an integrated robotic vehicle navigation system, as well as to construct two-dimensional and three-dimensional indoor maps. The robotic vehicle should know where it is at all times on the map so that it can compute a route to go from point...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | English |
Έκδοση: |
2020
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/13680 |
id |
nemertes-10889-13680 |
---|---|
record_format |
dspace |
institution |
UPatras |
collection |
Nemertes |
language |
English |
topic |
Mobile manipulators 3d perception Pick and place Inverse kinematics Autonomous navigation 3D real time mapping Exploration Αποφυγή εμποδιών Ρομποτικοί βραχιόνες Τρισδιάστατη αναγνώριση |
spellingShingle |
Mobile manipulators 3d perception Pick and place Inverse kinematics Autonomous navigation 3D real time mapping Exploration Αποφυγή εμποδιών Ρομποτικοί βραχιόνες Τρισδιάστατη αναγνώριση Αγγελάκης, Παναγιώτης Mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ROS |
description |
The purpose of the present work is to design and build an integrated robotic vehicle navigation system, as well as to construct two-dimensional and three-dimensional indoor maps.
The robotic vehicle should know where it is at all times on the map so that it can compute a route to go from point A to point B, while avoiding any new obstacles on it’s way that are not on the maps.
It should also be able to solve the problem of “kidnapping the robot” that is, moving the robot to a new position, the robot can re-localize it self, three-dimensional features are very helpful in this area.
The robot is a 4-wheel-drive differential (meaning that the wheels don;t turn) so it’s dynamic model is relatively simple.
The robot is also equipped with quadrature encoders on each wheel to measure the rotation of each wheel, thereby computing “blind” odometry and giving us the capability to do a close loop pid control to keep the robot’s velocity constant.
It has a 2-d lidar to measure the distance everywhere around it on a plane, as well as a 3-d RGB-D camera (kinect) to create the 3D maps.
We will introduce simultaneous localization and mapping or SLAM and Path Planning techniques, so that the robot will be able to map and autonomously navigate unknown areas
Furthermore, we will see how the robot can recognize 3D objects and their relative position in 3D space. This will be achieve with SVM classifiers which will use features of hsv-color and shape-normal in a histogram form for training and classification.
Lastly we will attach to the robot, a robotic hand of 6 degrees of freedom so that it can interact with it’s environment transforming it into a mobile manipulator.
The brain is the Jetson Nano embedded computer with 4 cores at 1.3 Ghz and 125 cores gpu providing us with the computing power we need.
We will do all of this by taking advantage of the Robot Operating System (ROS) capabilities that help us quickly program robots with packages designed by others, as well as a system to communicating the various operations between them.
Reading this thesis will familiarize you with the capabilities of ROS, and you will be able to build similar robots yourself in a methodical way, without even having previous experience in robot design and programming. |
author2 |
Angelakis, Panagiotis |
author_facet |
Angelakis, Panagiotis Αγγελάκης, Παναγιώτης |
author |
Αγγελάκης, Παναγιώτης |
author_sort |
Αγγελάκης, Παναγιώτης |
title |
Mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ROS |
title_short |
Mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ROS |
title_full |
Mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ROS |
title_fullStr |
Mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ROS |
title_full_unstemmed |
Mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ROS |
title_sort |
mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ros |
publishDate |
2020 |
url |
http://hdl.handle.net/10889/13680 |
work_keys_str_mv |
AT angelakēspanagiōtēs mobilemanipulatorautonomousnavigation3dslam3dperceptionpickandplaceros AT angelakēspanagiōtēs apophygēempodiōnmeautokinoumenorompotikoochēma |
_version_ |
1771297185652015104 |
spelling |
nemertes-10889-136802022-09-05T09:41:18Z Mobile manipulator, autonomous navigation, 3d slam, 3d perception, pick and place, ROS Αποφυγή εμποδιών με αυτοκινούμενο ρομποτικό οχήμα Αγγελάκης, Παναγιώτης Angelakis, Panagiotis Mobile manipulators 3d perception Pick and place Inverse kinematics Autonomous navigation 3D real time mapping Exploration Αποφυγή εμποδιών Ρομποτικοί βραχιόνες Τρισδιάστατη αναγνώριση The purpose of the present work is to design and build an integrated robotic vehicle navigation system, as well as to construct two-dimensional and three-dimensional indoor maps. The robotic vehicle should know where it is at all times on the map so that it can compute a route to go from point A to point B, while avoiding any new obstacles on it’s way that are not on the maps. It should also be able to solve the problem of “kidnapping the robot” that is, moving the robot to a new position, the robot can re-localize it self, three-dimensional features are very helpful in this area. The robot is a 4-wheel-drive differential (meaning that the wheels don;t turn) so it’s dynamic model is relatively simple. The robot is also equipped with quadrature encoders on each wheel to measure the rotation of each wheel, thereby computing “blind” odometry and giving us the capability to do a close loop pid control to keep the robot’s velocity constant. It has a 2-d lidar to measure the distance everywhere around it on a plane, as well as a 3-d RGB-D camera (kinect) to create the 3D maps. We will introduce simultaneous localization and mapping or SLAM and Path Planning techniques, so that the robot will be able to map and autonomously navigate unknown areas Furthermore, we will see how the robot can recognize 3D objects and their relative position in 3D space. This will be achieve with SVM classifiers which will use features of hsv-color and shape-normal in a histogram form for training and classification. Lastly we will attach to the robot, a robotic hand of 6 degrees of freedom so that it can interact with it’s environment transforming it into a mobile manipulator. The brain is the Jetson Nano embedded computer with 4 cores at 1.3 Ghz and 125 cores gpu providing us with the computing power we need. We will do all of this by taking advantage of the Robot Operating System (ROS) capabilities that help us quickly program robots with packages designed by others, as well as a system to communicating the various operations between them. Reading this thesis will familiarize you with the capabilities of ROS, and you will be able to build similar robots yourself in a methodical way, without even having previous experience in robot design and programming. H παρούσα εργασία έχει ως αντικείμενο το σχεδιασμό και την κατασκευή ενός ενσωματωμένου συστήματος πλοήγησης ρομποτικού οχήματος, καθώς και την κατασκευή δισδιάστατων και τρισδιάστατων χαρτών σε εσωτερικούς χώρους. Το ρομποτικό όχημα θα πρέπει να ξέρει που βρίσκεται ανά πασά στιγμή στο χάρτη ώστε να μπορεί να υπολογίσει μια πορεία για να πάει από το σημείο Α στο Β αποφεύγοντας τυχόν νέα εμπόδια στον δρόμο του που δεν υπάρχουν στους χάρτες. Θα πρέπει να είναι σε θέση να λύσει το πρόβλημα της “απαγωγής του ρομπότ” δηλαδή μετακινώντας το ρομπότ σε μια καινούργια θέση αυτό να μπορεί να προσανατολιστεί ξανά, τρισδιάστατα χαρακτηρίστηκα βοηθάνε πολύ σε αυτόν τον τομέα. Το ρομπότ είναι ένα τετράτροχο διαφορικό όχημα (δηλαδή οι ρόδες του δεν στρίβουν) οπότε το δυναμικό του μοντέλο είναι σχετικά απλό. Είναι εξοπλισμένο με quadrature encoders σε κάθε ρόδα ώστε να μετράμε την περιστροφή κάθε ρόδας, περνώντας με αυτό τον τρόπο “τυφλή” οδομετρία και με κλειστό ελέγχο pid να κρατάμε σταθερή την ταχύτητα του οχήματος. Διαθέτει ένα 2-d lidar για να μετράει την απόσταση παντού γύρω του σε ένα επίπεδο, καθώς και μια 3-d RGB-D κάμερα (kinect) για να φτιάξουμε τούς τρισδιάστατους χάρτες και για 3D αναγνώριση αντικειμενων. Θα ασχοληθούμε με τεχνικές Simultaneous Localization and Mapping or SLAM και Path Planning ώστε το ρομπότ μας να είναι ικανό να φτιάχνει χάρτες σε περιβάλλοντα που δεν έχει ξαναδεί, και να μετακινείται αυτόνομα σε αυτά. Επίσης θα ασχοληθούμε με το πως το ρομπότ μπορεί να αναγνωρίζει αντικείμενα στον 3D χώρο, και να βρίσκει την τοποθεσία τους στον τρισδιάστατο χώρο, αυτό θα επιτευχθεί με SVM Classifiers και τα χαρακτηριστικά θα είναι hsv-color histograms και normal-shape histograms, για το training και την αναγνώριση. Τέλος θα εξοπλίσουμε το ρομπότ με ένα ρομποτικό χέρι 6 βαθμών ελευθέριας, ώστε να είναι σε θέση να αλληλεπιδρά με το περιβάλλον του μετατρέποντας το σε mobile manipulator. • εγκέφαλος είναι ο ενσωματωμένος υπολογιστής Jetson Nano που με 4 cores στα 1.3Ghz και 125 cores gpu μας παρέχει με την υπολογιστική ισχύ που χρειαζόμαστε. Όλα αυτά θα τα κάνουμε αξιοποιώντας τις δυνατότητες του Robot Operating System (ROS) που μας βοηθάει να προγραμματίζουμε γρήγορα ρομπότ με πακέτα που έχουν σχεδιάσει άλλοι, καθώς και με την επικοινωνία των διάφορων λειτουργιών μεταξύ τους. Διαβάζοντας αυτή την διπλωματική εργασία θα εξοικειωθείτε με τις δυνατότητες του ROS, και θα είστε σε θέση να φτιάξατε και εσείς παρόμοια ρομπότ με έναν μεθοδικό τρόπο ακόμα και χωρίς να έχετε προηγούμενη εμπειρία με την σχεδίαση και τον προγραμματισμό ρομπότ. 2020-08-02T10:13:33Z 2020-08-02T10:13:33Z 2020-06-13 http://hdl.handle.net/10889/13680 en application/pdf |