Σχεδιασμός κίνησης τροχήλατου ρομπότ σε περιβάλλον εμποδίων
Η τεχνολογία συνεχώς και εξελίσσεται με σκοπό να βελτιώνει και να κάνει ευκολότερη την ζωή των ανθρώπων. Στα σύγχρονα συστήματα έχει υιοθετηθεί η τάση να μπορούν να κάνουν όσο το δυνατόν περισσότερες διεργασίες χωρίς την επέμβαση του ανθρωπίνου χεριού. Μια εφαρμογή είναι η αυτόνομη οδήγηση ενός συστ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2022
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/16314 |
| id |
nemertes-10889-16314 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Αυτοκινούμενα ρομπότ Αλγόριθμοι χαρτογράφησης Αλγόριθμοι εντοπισμού θέσης SLAM Kalman filters Extended Kalman filters Path planning |
| spellingShingle |
Αυτοκινούμενα ρομπότ Αλγόριθμοι χαρτογράφησης Αλγόριθμοι εντοπισμού θέσης SLAM Kalman filters Extended Kalman filters Path planning Λούτας, Κωνσταντίνος Σχεδιασμός κίνησης τροχήλατου ρομπότ σε περιβάλλον εμποδίων |
| description |
Η τεχνολογία συνεχώς και εξελίσσεται με σκοπό να βελτιώνει και να κάνει ευκολότερη την ζωή των ανθρώπων. Στα σύγχρονα συστήματα έχει υιοθετηθεί η τάση να μπορούν να κάνουν όσο το δυνατόν περισσότερες διεργασίες χωρίς την επέμβαση του ανθρωπίνου χεριού. Μια εφαρμογή είναι η αυτόνομη οδήγηση ενός συστήματος, δηλαδή να μπορεί το κάθε σύστημα να ξέρει που βρίσκεται κάθε δεδομένη στιγμή καθώς και να μπορεί να πάει από μια αρχική θέση σε μια τελική. Αυτό το πρόβλημα βρίσκει πολλές εφαρμογές στο σύγχρονο κόσμο όπως είναι αυτοκινούμενα αυτοκίνητα, ρομπότ τα οποία έχουν τη δυνατότητα να κινούνται στο χώρο τους αυτόνομα κ.α.
Στην παρούσα διπλωματική εργασία θα ασχοληθούμε με αυτοκινούμενα ρομπότ και πιο συγκεκριμένα στον αλγόριθμο χαρτογράφησης και εντοπισμού θέσης SLAM (Simultaneous Localization and Mapping). Στην παρακάτω εφαρμογή θέτουμε ένα θεωρητικό υπόβαθρο του αλγορίθμου με όλα τα επιμέρους βήματα του, το μαθηματικό μοντέλο και δημιουργούμε ένα πλαίσιο εργασίας
(framework) στο οποίο θα βασιστούμε για να στήσουμε τον κώδικα του αλγορίθμου. Κυρίο χαρακτηριστικό του αλγορίθμου είναι η επιλογή σημείων στο χώρο με βάση ένα πιθανοτικο μοντέλο. Το ρομπότ μας κάθε στιγμή του χρόνου θα χρησιμοποιεί πιθανοτικές κατανομές για να ορίσει την θέση του καθώς και την θέση των σημείων στο χώρο. Ο αλγόριθμος υπολογισμού πιθανοτήτων είναι ο Kalman Filter ο οποίος είναι όλο το υπόβαθρο της παρούσας διπλωματικής και γίνεται μια επέκταση του στον γνωστό Extended Kalman Filter ο οποίος είναι μια βελτιστοποιημένη του μορφή που έρχεται να λύσει προβλήματα όπως εμπόδια χωρίς αρχικοποιημενες τιμές καθώς και κινητά εμπόδια στο χώρο.
Η παρούσα διπλωματική υλοποιήθηκε σε περιβάλλον προσομοίωσης. Έγινε χρήση του λογισμικού Webots και το ρομπότ το οποίο χρησιμοποιήθηκε για την υλοποίηση του είναι το e-puck της gc-robotronics. Το παραπάνω λογισμικό αποτυπώνει σε ένα πάρα πολύ μεγάλο βαθμό τη φυσική των αντικειμένων του και έχει πολύ εξελιγμένα renders των ρομπότ. Επιπλέον δίνει την δυνατότητα ανάπτυξης του κώδικα εντός του λογισμικού και έχει ένα μεγάλο εύρος γλωσσών προγραμματισμού. Στην δική μας περίπτωση έγινε χρήση της Python. Η επιλογή οφείλεται στο ότι υπήρχαν κάποιες βιβλιοθήκες που θα έλυναν κάποια προβλήματα στον κώδικα που θέλαμε να αναπτύξουμε καθώς και το ότι αποτελεί μια πολύ φιλική προς τον χρήστη γλώσσα. |
| author2 |
Loutas, Konstantinos |
| author_facet |
Loutas, Konstantinos Λούτας, Κωνσταντίνος |
| author |
Λούτας, Κωνσταντίνος |
| author_sort |
Λούτας, Κωνσταντίνος |
| title |
Σχεδιασμός κίνησης τροχήλατου ρομπότ σε περιβάλλον εμποδίων |
| title_short |
Σχεδιασμός κίνησης τροχήλατου ρομπότ σε περιβάλλον εμποδίων |
| title_full |
Σχεδιασμός κίνησης τροχήλατου ρομπότ σε περιβάλλον εμποδίων |
| title_fullStr |
Σχεδιασμός κίνησης τροχήλατου ρομπότ σε περιβάλλον εμποδίων |
| title_full_unstemmed |
Σχεδιασμός κίνησης τροχήλατου ρομπότ σε περιβάλλον εμποδίων |
| title_sort |
σχεδιασμός κίνησης τροχήλατου ρομπότ σε περιβάλλον εμποδίων |
| publishDate |
2022 |
| url |
http://hdl.handle.net/10889/16314 |
| work_keys_str_mv |
AT loutaskōnstantinos schediasmoskinēsēstrochēlatourompotseperiballonempodiōn AT loutaskōnstantinos wheeledrobotpathplanninginobstacleenvironment |
| _version_ |
1771297234959204352 |
| spelling |
nemertes-10889-163142022-09-05T14:01:17Z Σχεδιασμός κίνησης τροχήλατου ρομπότ σε περιβάλλον εμποδίων Wheeled robot path planning in obstacle environment Λούτας, Κωνσταντίνος Loutas, Konstantinos Αυτοκινούμενα ρομπότ Αλγόριθμοι χαρτογράφησης Αλγόριθμοι εντοπισμού θέσης SLAM Kalman filters Extended Kalman filters Path planning Η τεχνολογία συνεχώς και εξελίσσεται με σκοπό να βελτιώνει και να κάνει ευκολότερη την ζωή των ανθρώπων. Στα σύγχρονα συστήματα έχει υιοθετηθεί η τάση να μπορούν να κάνουν όσο το δυνατόν περισσότερες διεργασίες χωρίς την επέμβαση του ανθρωπίνου χεριού. Μια εφαρμογή είναι η αυτόνομη οδήγηση ενός συστήματος, δηλαδή να μπορεί το κάθε σύστημα να ξέρει που βρίσκεται κάθε δεδομένη στιγμή καθώς και να μπορεί να πάει από μια αρχική θέση σε μια τελική. Αυτό το πρόβλημα βρίσκει πολλές εφαρμογές στο σύγχρονο κόσμο όπως είναι αυτοκινούμενα αυτοκίνητα, ρομπότ τα οποία έχουν τη δυνατότητα να κινούνται στο χώρο τους αυτόνομα κ.α. Στην παρούσα διπλωματική εργασία θα ασχοληθούμε με αυτοκινούμενα ρομπότ και πιο συγκεκριμένα στον αλγόριθμο χαρτογράφησης και εντοπισμού θέσης SLAM (Simultaneous Localization and Mapping). Στην παρακάτω εφαρμογή θέτουμε ένα θεωρητικό υπόβαθρο του αλγορίθμου με όλα τα επιμέρους βήματα του, το μαθηματικό μοντέλο και δημιουργούμε ένα πλαίσιο εργασίας (framework) στο οποίο θα βασιστούμε για να στήσουμε τον κώδικα του αλγορίθμου. Κυρίο χαρακτηριστικό του αλγορίθμου είναι η επιλογή σημείων στο χώρο με βάση ένα πιθανοτικο μοντέλο. Το ρομπότ μας κάθε στιγμή του χρόνου θα χρησιμοποιεί πιθανοτικές κατανομές για να ορίσει την θέση του καθώς και την θέση των σημείων στο χώρο. Ο αλγόριθμος υπολογισμού πιθανοτήτων είναι ο Kalman Filter ο οποίος είναι όλο το υπόβαθρο της παρούσας διπλωματικής και γίνεται μια επέκταση του στον γνωστό Extended Kalman Filter ο οποίος είναι μια βελτιστοποιημένη του μορφή που έρχεται να λύσει προβλήματα όπως εμπόδια χωρίς αρχικοποιημενες τιμές καθώς και κινητά εμπόδια στο χώρο. Η παρούσα διπλωματική υλοποιήθηκε σε περιβάλλον προσομοίωσης. Έγινε χρήση του λογισμικού Webots και το ρομπότ το οποίο χρησιμοποιήθηκε για την υλοποίηση του είναι το e-puck της gc-robotronics. Το παραπάνω λογισμικό αποτυπώνει σε ένα πάρα πολύ μεγάλο βαθμό τη φυσική των αντικειμένων του και έχει πολύ εξελιγμένα renders των ρομπότ. Επιπλέον δίνει την δυνατότητα ανάπτυξης του κώδικα εντός του λογισμικού και έχει ένα μεγάλο εύρος γλωσσών προγραμματισμού. Στην δική μας περίπτωση έγινε χρήση της Python. Η επιλογή οφείλεται στο ότι υπήρχαν κάποιες βιβλιοθήκες που θα έλυναν κάποια προβλήματα στον κώδικα που θέλαμε να αναπτύξουμε καθώς και το ότι αποτελεί μια πολύ φιλική προς τον χρήστη γλώσσα. In this dissertation we will deal with self-propelled robots and more specifically in the mapping and positioning algorithm SLAM (Simultaneous Localization and Mapping). In the following application we set a theoretical background of the algorithm with all its individual steps, the mathematical model and create a working framework. (framework) on which we will rely to set up the code of the algorithm. The main feature of the algorithm is the selection of points in space based on a possible model. Our robot at any time of year will have possible distributions to define its position as well as the position of points in space. The odds calculation algorithm is Kalman Filter which is the whole background of this diploma and is an extension of the well-known Extended Kalman Filter which is an optimized form that comes to solve problems such as obstacles without initialized values as well as mobile obstacles in space. This dissertation was implemented in a simulation environment. Webots software was used and the robot used to implement it is the e-puck of gc-robotronics. The above software captures to a very large extent the physics of its objects and has very sophisticated renders of robots. In addition, it enables the development of code within the software and has a wide range of programming languages. In our case Python was used. The choice is due to the fact that there were some libraries that would solve some problems in the code we wanted to develop as well as the fact that it is a very user-friendly language. 2022-06-29T05:35:02Z 2022-06-29T05:35:02Z 2022-06-26 http://hdl.handle.net/10889/16314 gr application/pdf |
