CONTRIBUȚII PRIVIND SISTEMELE DE NAVIGAȚIE A...

UNIVERSITATEA „LUCIAN BLAGA” DIN SIBIU

FACULTATEA DE INGINERIE

TEZĂ DE DOCTORAT

-REZUMAT-

CONTRIBUȚII PRIVIND SISTEMELE DE

NAVIGAȚIE A VEHICULELOR AUTONOME

CONDUCĂTOR ŞTIINŢIFIC,

Prof. Dr. -Ing. Carmen SIMION

DOCTORAND,

Dipl. -Ing. Răzvan LUCA

Sibiu, 2011

Universitatea

Lucian Blaga

Sibiu

Investeşte în oameni!

PROIECT FINANŢAT DIN FONDUL SOCIAL EUROPEAN

ID proiect: 7706

Titlul proiectului: „Creşterea rolului studiilor doctorale şi a competitivităţii doctoranzilor într-o Europă unită”

Universitatea”Lucian Blaga” din Sibiu

B-dul Victoriei, nr. 10. Sibiu

TEZĂ DE DOCTORAT

-REZUMAT-

CONTRIBUȚII PRIVIND SISTEMELE DE

NAVIGAȚIE A VEHICULELOR AUTONOME

Conducător ştiinţific: Prof. Dr. -Ing. Carmen SIMION

Doctorand:

Dipl. -Ing. Răzvan LUCA

Sibiu, 2011

Ministerul Educaţiei, Cercetării şi Tineretului

Universitatea “Lucian Blaga” din Sibiu

Rectoratul Universităţii B-dul Victoriei Nr. 10, 555024 – Sibiu, România

COMPETENŢA

Comisiei de doctorat, numită prin

Ordinul Rectoratului Universităţii „Lucian Blaga” din Sibiu Nr. 102 din 30 septembrie 2011

PREŞEDINTE: Prof. Dr. -Ing. Ioan Bandrea

Universitatea „Lucian Blaga” din Sibiu

CONDUCĂTOR ŞTIINŢIFIC: Prof. Dr. -Ing. Carmen Simion


REFERENŢI: Prof. Dr. Rer. Nat. Fritz Tröster

Heilbronn University / Germania

Prof. Dr. -Ing. Nouraş Barbu Lupulescu

Universitatea “Transilvania” Braşov

Prof. Dr. -Ing. Laurean Bogdan


Eventualele aprecieri sau observaţii vă rugăm să le trimiteţi pe adresa Universităţii „Lucian

Blaga” din Sibiu.

I

PREFAŢĂ

Formarea profesională şi personală depinde de aprecierea celor din jur şi a voinţei

proprii a fiecărei persoane. Fie că este vorba de un cuvânt care să ajute la dezvoltarea unei

idei sau a unei idei în sine care urmează a fi dezvoltată, oamenii interacţionează şi îşi

confirmă statutul unul altuia prin comunicare, prin muncă, prin colegialitate. Existăm practic

prin cei care ne confirmă acest lucru.

Cercetarea ştiinţifică, realizarea conceptului şi elaborarea prezentei teze de doctorat nu

ar fi fost posibile fără sprijin din partea oamenilor implicaţi în mod direct sau indirect, care să

critice productiv sau să aprecieze rezultatele.

Mulţumesc pe această cale conducătorului ştiinţific Prof. Dr. -Ing. Carmen Simion

pentru sprijinul, experienţa din domeniul ingineriei împărtăşită şi răbdarea duse în limitele

profesionalismului pe întreaga perioadă a activităţii mele de cercetare.

Pentru sfaturile creative bazate pe experienţa profesională care m-au ajutat pe întreg

parcursul cercetării doresc să îi mulţumesc domnului Prof. Dr. -Ing Ioan Bondrea.

Mă adresez de asemenea cu deosebită recunoştinţă şi mulţumiri domnului Prof. Dr.

Rer. Nat. Fritz Tröster de la „Heilbronn University”, Germania , mentorul care a contribuit

atât la formarea mea profesională, cât şi la cea personală.

Cadrelor didactice din catedra de Tehnologia Construcţiilor de Maşini a Facultăţii de

Inginerie din Sibiu, cât şi membrilor din comisiile de evaluare şi examinare le mulţumesc

pentru recomandările privind creşterea calităţii activităţii mele de cercetare.

Colegului Dipl. -Ing. Robert Gall doresc să îi mulţumesc pentru posibilitatea de a avea

pe parcursul cercetărilor un partener de discuţii în ceea ce priveşte abordarea ştiinţifică a

diferitelor tematici din cadrul proiectului şi nu numai.

Membrilor familiei şi prietenilor le mulţumesc pentru înțelegerea, dragostea şi

sprijinul moral acordat pe perioada cercetărilor, oferindu-mi motivaţia şi condiţiile necesare

pentru realizarea şi finalizarea tezei de doctorat.

Dipl. -Ing. Răzvan Luca

II

CUPRINS * / **1

Introducere ........................................................................................................................... 1 1

Obiectivele tezei .................................................................................................................. 2 2

Structura tezei ..................................................................................................................... 4 4

Capitolul 1: Stadiul actual ............................................................................................. 6 6

1.1. Studiu de piaţă, importanţa şi aplicabilitatea vehiculelor inteligente autonome în industrie...................................................................................................................... 6 6 1.2. Evoluţia vehiculelor autonome ................................................................................ 11 7 1.3. Principii de funcţionare a celor mai semnificative vehicule specifice ghidate

automat.......................................................................................................................... 13 8 1.3.1. Sisteme de ghidare cu reţea de fire ................................................................. 15 . 1.3.2. Sisteme de ghidare cu magneţi ................................................................. 16 . 1.3.3. Sisteme de ghidare cu Laser ..................................................................... 17 . 1.3.4. Sisteme hibrid .......................................................................................... 18 8

1.4. Domenii de aplicaţie ale vehiculelor autonome........................................................ 18 9 1.5. Strategii de operare a AGV-urilor industriale........................................................... 22 9 1.6. Concluzii ................................................................................................................ 25 9

Capitolul 2: Infrastructura vehiculelor inteligente autonome –

realizarea prototipului .................................................................................................... 26 11 2.1. Vehicul inteligent autonom non-holonomic .............................................................. 29 11 2.2. Realizarea prototipului ............................................................................................. 30 .

2.2.1. Platforma de rulare cu senzori de odometrie .............................................. 30 11 2.2.2. Senzori de detecţie şi ghidare .................................................................... 31 .

2.2.2.1. Senzori LASER ......................................................................... 31 . 2.2.2.2. Senzori ultrasonici ..................................................................... 32 .

2.2.3. Senzori odometrici .................................................................................... 34 . 2.2.4. Senzor video ............................................................................................. 35 . 2.2.5. Sistemul de achiziţie de date, comandă şi control ...................................... 36 12

2.2.5.1. Comunicaţia vehiculului pe principiul target-host ...................... 37 14 2.3. Concluzii ................................................................................................................. 42 15

Capitolul 3: Cartografierea şi localizarea proprie ca procese simultane

ale vehiculelor autonome .............................................................................................. 43 17 3.1. Conceptul de cartografiere şi localizare simultană (SLAM) ..................................... 43 17 3.2. Extragerea trăsăturilor particulare din mediul de navigaţie ....................................... 45 18 3.3. Asocierea de date ..................................................................................................... 46 .

3.3.1 Asocierea utilizând cea mai apropiată vecinătate (Nearest Neighbour) ...... 47 19

3.4. Localizarea vehiculului autonom ............................................................................. 50 20 3.5. Cartografierea mediului de navigație în timp real ..................................................... 51 21 3.6. Construcţia grafică a hărţii virtuale. Realizarea simulării .......................................... 53 22 3.6.1. Modulul vehiculului „Vehicle” ................................................................. 55 23 3.6.2. Modulul de control „Vehicle control” ....................................................... 56 23 3.6.3. Modulul senzorului „Scanner” .................................................................. 56 23 3.6.4. Transformarea globală „World coordinates”.............................................. 57 23 3.6.5. Modulul de generare a hărţii „Map generation” ......................................... 59 24

3.6.5.1. Algoritmi de calcul în procesul de cartografiere ......................... 62 25 3.6.6. Algoritmul împarte şi îmbină („split and merge”) ...................................... 63 . 3.6.7. Regresie liniară ......................................................................................... 63 . 3.6.8. Algoritmul RANSAC ............................................................................... 64 . 3.6.9. Transformarea Hough ............................................................................... 64 .

1 *nr. pag. în teza; ** nr. pag. în rezumat

III

* / **2

3.6.10. Algoritmul de extracţie a liniilor bazat pe tehnica DCE (Discrete curve evolution) extDCE ..................................................................... 65 26

3.6.10.1. Reducerea datelor prin fuzionarea liniilor cu proprietăţi

comune ................................................................................................. 68 27 3.6.11. Extragerea reperelor din mediul de navigaţie pentru localizarea vehiculului ......................................................................................................... 70 28 3.6.12. Modelul filtrului Kalman utilizat pentru corecţia odometriei.................... 70 . 3.6.13. Utilizarea Filtrului Kalman Extins (EKF) pentru poziţionare cu ajutorul reperelor ............................................................................................................. 75 29 3.6.14. Modulul de planificare a traiectoriei „Trajectory planning” ..................... 77 29

3.6.15. Modulul de evitare a obstacolelor „Track deviation" ............................... 80 30 3.6.15.1. Evitarea obiectelor prin stabilirea traiectoriei cu ajutorul curbelor

specifice ............................................................................................................. 81 31

3.6.15.1.1. Clotoide.................................................................... 81 . 3.6.15.1.2. Curbe Bezier............................................................. 82 .

3.7 Cartografierea probabilistică ca metodă alternativă de navigaţie ................................ 84 32 3.7.1. Metoda Bayes. Generalităţi ....................................................................... 85 .

3.7.2. Derivarea cu metoda Bayes ....................................................................... 85 32 3.8. Concluzii ................................................................................................................. 90 33

Capitolul 4: Teste şi aplicaţii de navigaţie ale vehiculului autonom........... 91 35

4.1. Modelul infrastructurii de comunicaţie utilizat pentru realizarea testelor................... 91 35 4.2. Compararea datelor celor două sisteme separate de odometrie .................................. 92 36

4.3. Cartografierea mediului .......................................................................................... 94 36 4.4. Implementarea filtrului Kalman pentru îmbunătăţirea odometriei vehiculului autonom în procesul de cartografiere ................................................................................................ 95 37

4.4.1. Cartografierea unui mediu prin extragerea de particularităţi..................... 100 39 4.4.2. Manevra de schimbare a perspectivei de scanare ..................................... 102 41

4.5 Reprezentarea vizuală a mediului de navigaţie ........................................................ 107 42 4.5.1. Identificarea marcajelor de ghidare în spaţii dedicate............................... 107 42 4.5.2. Transformarea în spațiul Hough a liniilor extrase .................................... 107 .

4.5.3. Transformarea muchiilor extrase şi limitarea domeniului identificat prin atribute de linie ................................................................................................ 108 43 4.5.4. Transformarea perspectivei cu ajutorul principiului camerei obscure ....... 110 . 4.5.5. Reprezentarea marcajelor transformate.................................................... 110 43

4.6. Analiza persoanelor şi a obiectelor din mediul de navigaţie .................................... 111 44 4.7. Concluzii ............................................................................................................... 117 46

Capitolul 5: Aplicaţii în sistemul flexibil de fabricaţie din industria

auto ........................................................................................................................................ 118 47

5.1. Modelarea şi simularea mediului de navigaţie într-un sistem flexibil de

fabricaţie cu şase celule de lucru active ........................................................................ 123 48 5.1.1. Modelarea şi simularea aplicaţiei cu ajutorul grilelor de ocupare ............. 133 51

5.2. Concluzii ............................................................................................................... 137 53

Capitolul 6: Concluzii şi direcţii viitoare de cercetare ................................... 138 54

Bibliografie ........................................................................................................................ 140 58

Index de abrevieri ........................................................................................................... 149 62

Anexe .................................................................................................................................... 150 .

2 *nr. pag. în teza; ** nr. pag. în rezumat

1

INTRODUCERE

Conceptele de fabricaţie flexibilă „Flexible Manufacturing ” şi depozitare ecologică

„Green Warehousing” se referă la aplicarea metodelor de fabricaţie, stocare şi manipulare cu

consumuri minime în vederea protecţiei mediului. În acest sens automatizarea manipulării

resurselor şi a producţiei reprezintă un factor important care implică atât strategii cât şi

vehicule inteligente. Prin automatizarea acestui proces se obţin spaţii de stocare eficiente,

reduceri ale cheltuielilor privind energia utilizată pentru manevre în spaţiile dedicate, cât şi

cheltuieli reduse privind utilizarea întreţinerii sistemului. În cazul operării automatizate,

datorită sistemelor inteligente de ghidare a vehiculelor, se reduc cheltuieli administrative

importante. De asemenea, în cazul utilizării vehiculelor cu propulsie provenind din surse de

energie alternative şi electrice, spaţiul rămâne unul nepoluat cu influenţe directe asupra

mediului de stocare, cât şi asupra mediului înconjurător. Sistemele de ventilaţie forţată nu

reprezintă o necesitate în acest sens, reducând astfel prin fenomenul de automatizare

consumul general de energie utilizată cu până la 40%.

Din punctul de vedere al strategiei de producţie al firmei, se impune extinderea

componentelor flexibilităţii pe care firma le posedă. O structură organizatorică modernă şi

conducerea asistată de calculator a producţiei fac posibilă această extindere cerută de

condiţiile actuale, adică, piaţă în continuă schimbare şi nesiguranţă pe termen scurt dar şi pe

termen lung.

În acest context flexibilitatea poate fi caracterizată de trei atribute de timp:

la timp

după un timp

peste timp

Astfel, flexibilitatea maşinilor şi a fluxurilor sunt flexibilităţi la "timp", flexibilitatea în

produs, proces şi operaţii sunt flexibilităţi "după un timp", iar flexibilitatea în producţie,

dezvoltare şi volum sunt flexibilităţi "peste timp".

Se poate spune că în sistemele flexibile de producţie flexibilitatea totală este

determinată decisiv de flexibilitatea sistemelor de transportare care asistă sistemul de

prelucrare propriu-zisă, de posibilităţile de mentenanţă, control şi diagnoză ale acestora.

Responsabilitatea dezvoltării de astfel de sisteme automate reprezintă, pe lângă alţi factori

influenţi, o premisă care trebuie să ia în calcul atât factorul de impact social, cât şi cel al

posibilităţii de dezvoltare durabilă a sistemelor de producţie din cadrul fabricilor viitorului.

Obiectivele tezei

2

OBIECTIVELE TEZEI

“Totul ar trebui făcut cât de simplu posibil,

dar nu mai simplu decât atât“. (Albert Einstein)

Doctoratul cu finalitate practică reprezintă un avantaj atât în industrie, cât şi în mediul

academic şi din perspectiva specialiştilor. Bernhard Frey, şeful departamentului de resurse

umane de la firma MAN GmbH, intervievat cu privire la acest lucru, afirmă că o materializare

a conceptului teoretic este de dorit atunci când se promovează într-un domeniu tehnic,

conform actualelor cereri de pe piaţa de forţă de muncă. Realizarea practică a conceptelor

cercetate şi dezvoltate în cadrul acestei lucrări au un factor semnificativ în motivaţia şi

satisfacţia personală realizând pas cu pas integrarea teoriei într-un prototip existent fizic.

Un simplu calcul statistic arată că doar 1.000 de absolvenţi din aproximativ 20.000 se decid

anual pentru continuarea studiului doctoral şi aprofundarea domeniului tehnic. A fi unul din

cei care reuşesc acest lucru reprezintă o primă motivaţie personală. Deşi cariera începe puţin

mai târziu pentru cei care aleg un studiu doctoral, aceasta reprezintă o premisă pentru a

continua în domeniul ştiinţelor ca profesor. Luând în calcul evoluţia personală, doctoratul a

reuşit să-mi ascută simţurile tehnice, învăţând totodată cum se abordează o temă din punct de

vedere analitic.

Posibilitatea de a fi doctorand în cadrul unui proiect naţional de cercetare m-a motivat

în vederea atingerii rezultatelor şi publicării acestora în lucrări ştiinţifice care să contribuie

atât din punct de vedere cantitativ, cât şi calitativ la baza de date ştiinţifică naţională şi a

Universităţii „Lucian Blaga” din Sibiu.

În cadrul Universităţii din Heilbronn, instituţie parteneră pentru proiectul de cercetare,

mi-a fost oferită posibilitatea dezvoltării aptitudinilor de implementare practică, şi totodată

şansa de a-mi dezvolta aptitudini de tutore având pe lângă sarcina studiului doctoral şi

îndrumarea studenţilor în realizarea lucrărilor de studiu.

Vehiculele autonome cu utilizări industriale, domeniul cercetat, reprezintă un avantaj

în flexibilitatea manipulării materiei prime în cadrul producţiei şi în domeniul logistic. În

acest sens, dezvoltarea sistemelor de transport sau transfer poate reduce continuu costurile

producţiei conform studiilor având la bază concepte de fabricaţie precum „just-in-time” şi

contextul actual global de dezvoltare a producţiei bazat pe continua adaptare la cererea

clienţilor.

Costurile manipulării materialului reprezintă o proporţie semnificativă în costurile de

producţie. Eynan şi Rosenblatt [30] indică în studiile lor faptul că aceste costuri pot atinge

30% din costul total al producţiei. În acest sens, tematica abordată devine importantă în

scopul maximizării flexibilităţii ca o caracteristică a sistemelor de producţie ale fabricilor

viitorului şi a minimizării costurilor de producţie. Nivelul de automatizare permite stabilirea

gradului de flexibilitate cât şi a complexităţii în ceea ce priveşte organizarea producţiei.

Redefinirea fluxului de material necesită implicit recalcularea traseelor pe care trebuie să le

parcurgă materia primă. În cazul sistemelor rigide de transport precum conveioare sau AGV-

uri ghidate prezentate critic în secţiunea viitoare, reconfigurarea fluxului este greoaie şi

implică o serie de costuri suplimentare.

Lucrarea de faţă reprezintă un concept evolutiv al mijloacelor de transport în direcţia

simplificării procesului de design şi re-design a fabricaţiei prin dezvoltarea funcţiilor de

navigaţie a vehiculelor autonome inteligente. Cercetările cuprind contribuţii privind

Obiectivele tezei

3

sistemele de navigaţie a vehiculelor autonome. În acest sens un vehicul se deplasează

complet autonom într-un mediu specific, interior şi/sau exterior realizând o hartă

virtuală în timp real cu ajutorul senzorilor, hartă în care apoi se localizează şi operează, un

trend vizionar foarte dezbătut în prezent. În literatura de specialitate conceptul de

Cartografiere şi Localizare Simultană (SLAM) reprezintă o tematică deschisă privind

navigarea optimă a vehiculelor autonome. Comunicaţia dintre sistemul central de comandă şi

vehiculele autonome este bazată pe un schimb de informaţii în scopul procesării în timp real

a sarcinilor şi totodată permite utilizarea multiplă a datelor existente, reprezentând un

avantaj major şi pentru sistemul de planificare sau gestiune şi o parte componentă în

dezvoltarea obiectivului acestei lucrări. Latura de siguranţă în operare privind conducerea

fără coliziuni, evitarea obstacolelor şi a celorlalte componente de manipulare, respectiv a

oamenilor şi obiectelor aflate în mişcare, reprezintă un aspect important şi este tratat ca parte

componentă a evoluţiei mijloacelor de transport fără operator uman.

Pentru realizarea scopului tezei au fost stabilite următoarele obiective teoretice si

practice:

1. studierea stadiului actual în domeniul de cercetare a vehiculelor de transfer urmărind

posibilitatea îmbunătăţirii flexibilității într-un sistem de fabricaţie prin dezvoltarea

funcţiilor de navigaţie a vehiculelor specifice;

2. conceperea unei simulări software pentru integrarea cercetărilor informaţional

realizând o platformă de studiu bazată pe modelarea senzorială, a vehiculelor operand

cât şi a reprezentării scenelor mediului de operare;

3. realizarea unui prototip cu platformă de implementare rapidă şi independentă pentru

testarea de algoritmi dedicaţi domeniului de navigaţie a vehiculelor inteligente

specifice;

4. studiul şi evaluarea senzorilor şi a resurselor disponibile pentru implementarea

sistemelor de navigaţie la vehiculele autonome;

5. dezvoltarea şi implementarea software a unor algoritmi de navigaţie care să permită

navigarea unui vehicul autonom în timp real având la baza conceptul de cartografiere

şi localizare simultană (SLAM);

6. realizarea unei hărţi virtuale de navigaţie prin extragerea de particularităţi relevante

din mediul de operare care să permită o navigare bazată doar pe extragerea informaţiei

de la senzorii vehiculului;

7. realizarea unei interfeţe grafice care să permită vizualizarea, monitorizarea şi analiza

comportamentului vehiculului care operează într-un mediu specific;

8. minimizarea volumului de date utilizate pentru navigaţie prin programare efectivă;

9. studierea posibilităţilor de implementare a vehiculelor prin realizarea aplicaţiilor

simulate;

10. implementarea şi testarea algoritmilor şi a conceptului de navigaţie dezvoltaţi într-un

model de vehicul inteligent la scară.

Finalitatea tezei o reprezintă realizarea unui prototip pentru dezvoltarea

permanentă a vehiculelor inteligente autonome prin realizarea unei platforme de studiu

integrând tehnici de măsură, comandă şi control, sisteme informatice dedicate, dezvoltare de

algoritmi, dar şi concepte noi de logistică şi design al sistemelor de manipulare al fabricilor

viitorului.

Structura tezei

4

STRUCTURA TEZEI

Având obiectivul de a studia sistemele de navigaţie ale vehiculelor autonome care

operează în medii specifice, lucrarea de faţă prezintă în şase capitole contribuţii şi metode

dezvoltate şi aplicate în scopul îmbunătăţirii navigaţiei autonome.

Primul capitol al tezei prezintă un stadiu actual al tehnologiei utilizate în domeniul de

navigaţie a vehiculelor autonome din industrie. Un studiu de piaţă este realizat în scopul de a

evidenţia importanţa şi aplicabilitatea vehiculelor autonome în industria de fabricaţie a

componentelor auto. Un top al produselor actuale punctează importanţa dezvoltării produselor

inteligente, categorie din care fac parte şi vehiculele autonome. Câteva date statistice

evidenţiază evoluţia crescândă a produselor de acest gen.

În ceea ce priveşte direcţia de cercetare şi dezvoltare a domeniului de inginerie

industrială şi a vehiculelor de manipulare în sistemele de fabricaţie şi nu numai, a fost realizat

paralel cu studiul bibliografic un conspect al literaturii din domeniu şi al publicațiilor de

specialitate, urmărind în special perioada ianuarie 2010 – iunie 2011. În acestea sunt

prezentate diferite concepte, prototipuri şi trenduri în domeniu confirmând abordarea unei

tematici de top în ceea ce priveşte actualitatea direcţiei de cercetare.

În al doilea subcapitol este realizată o prezentare a evoluţiei istorice a mijloacelor de

transport din industrie. Cele mai importante sisteme de vehicule automate sunt prezentate într-

un studiu critic descriind principiile lor de funcţionare şi limitarea domeniilor de aplicaţie, cât

şi a strategiilor de operare.

Capitolul doi conţine informaţii despre infrastructura vehiculelor autonome non-

holonomice cu tracţiune integrală. Un prototip al unui vehicul la scară (1:8) este realizat în

scopul de a integra tehnologia necesară cercetării, dezvoltării şi testării algoritmilor de

navigaţie. Infrastructura integrează senzori de proximitate diferiţi în scopul acoperirii unui

domeniu larg de detecţie şi al maximizării eficienţei în implementare prin eliminarea

senzorilor din infrastructura unui sistem de fabricaţie, oferind independenţă şi robusteţe în

operare. Un concept de comunicaţie paralelă a două unităţi de procesare şi de comandă şi

control, cât şi de monitorizare a activităţii vehiculului este dezvoltat în scopul unei utilizări

optime a resurselor, care să ofere posibilitatea testării aplicaţilor în timp real.

În capitolul trei este analizat conceptul de cartografiere şi localizare simultană a

vehiculelor autonome (SLAM). Conform cercetătorilor, acest concept reprezintă problema

„oului şi a găinii” în domeniul tehnicii de navigaţie. Prin realizarea unei simulări software în

care sunt modelate atât funcţiile senzorilor şi dezvoltaţi algoritmi de navigaţie se obţin date

relevante pentru implementarea descrisă în capitolul de aplicaţii. O limitare a sistemului este

realizată prin utilizarea platformei de programare Matlab Embedded.

Capitolul prezintă modular fiecare componentă a simulării cu informaţii despre

algoritmii implementaţi.

O abordare a realizării unei hărţi virtuale prin extragerea de particularităţi (feature-

based) asemănătoare celor descrise în [21] este realizată cu ajutorul unui algoritm propriu de

reducere a datelor având la bază algoritmul de evoluţie discretă a contururilor DCE [53].

O serie de fenomene specifice cum sunt, de exemplu, cel de ocluzionare a obiectelor în

timpul scanării mediului sau a comparaţiei traiectoriei de deplasare de parcurs şi parcursă sunt

particularizate şi analizate, iar ulterior este prezentată o soluţie implementată a acestora.

Stabilirea traiectoriei vehiculului reprezintă o problema tratată la nivel macro. În acest sens

Structura tezei

5

focalizarea merge pe pregătirea datelor necesare pentru generarea traiectoriei de deplasare,

mai concret, pe abordarea în detaliu a conceptului de (SLAM). Traiectoria vehiculului este

generată prin metoda câmpurilor potenţiale.

Un mecanism de detecţie şi evitare a obstacolelor este prezentat în continuarea

capitolului bazat pe integrarea matricială a curbelor specifice (clotoide şi curbe Bezier).

Pentru localizarea vehiculului în harta generată, considerat un proces simultan de

navigaţie, este prezentat un model implementat de extragere a reperelor rezultând în urma

informaţiilor extrase din mediu în timpul procesului de cartografiere. O transformare într-un

cvasi spaţiu Hough a parametrilor unei linii este realizată pentru extragerea datelor relevante

şi reducerea acestora la un minim necesar. Cu ajutorul unui filtru Kalman extins (EKF) [41]

modelat, reperele sunt înregistrate şi adăugate datelor de odometrie ale vehiculului pentru

realizarea unei localizări cât mai exacte şi predicţia următoarelor date relevante necesare

pentru susţinerea vehiculului în timpul navigaţiei.

Ultimul subcapitol analizează o abordare alternativă în navigaţie. Utilizând metoda de

segmentare şi împărţire a spaţiului de lucru în celule, se realizează un calcul probabilistic de

ocupare a celulelor de navigare.

Capitolul patru conţine aplicaţii realizate în scopul de a analiza comportamentul

algoritmilor dezvoltaţi şi al implementării conceptelor studiate.

Aplicaţiile privind comportamentul filtrului Kalman modelat în capitolul trei oferă o

vedere de ansamblu asupra parametrilor de navigaţie. În continuare este prezentată

implementarea unui concept de captură şi evaluare video în scopul de a identifica obiectele

dinamice în mediul de operare şi marcajele care definesc spaţiile specifice în sectoarele de

navigare a vehiculelor.

Capitolul cinci descrie o aplicaţie specială cu date de intrare dintr-un sistem flexibil

de fabricaţie simulat şi care este realizată în scopul de a evidenţia principalele sarcini pe care

le are un vehicul autonom în timpul navigaţiei în mediile specifice. Fie că este vorba de un

transfer inter-operaţional sau de o manipulare într-un depozit logistic, comportamentul

vehiculului autonom este evaluat pe baza datelor de ieşire ale algoritmilor implementaţi.

În capitolul şase sunt prezentate rezultatele obţinute, în care un accent deosebit a fost

pus pe evidenţierea noutăţii ştiinţifice, a postulatelor teoretice şi a rezultatelor experimentale

obţinute. Sunt prezentate metodele de cercetare utilizate şi argumentele care stau la baza

credibilităţii rezultatelor. De asemenea sunt propuse direcţiile viitoare de cercetare în

domeniu.

Cercetările teoretice şi experimentale efectuate pe parcursul elaborării şi finalizării

programului de cercetare precum şi rezultatele acestora au fost valorificate prin publicare, susţinere

şi discutare cu ocazia unor manifestări ştiinţifice naţionale şi internaţionale. Titlurile acestor lucrări

sunt cuprinse în bibliografie.

Cercetările au fost realizate în cadrul şcolii doctorale de la Universitatea Lucian Blaga

din Sibiu, proiectul POSDRU/6/1.5/S/26/7706 cu titlul „Creşterea rolului studiilor doctorale şi

a competitivităţii doctoranzilor într-o Europă unită”, cofinanţat din Fondul Social European

prin Programul Operaţional Sectorial Dezvoltarea Resurselor Umane 2007-2013.

Stadiul actual

6

CAPITOLUL 1: STADIUL ACTUAL

„Industria de fabricaţie este importantă

pentru Europa” (Manuel Barroso, 2009)

1.1. Studiu de piaţă, importanţa şi aplicabilitatea vehiculelor inteligente autonome în

industrie

Domeniile strategice de cercetare în producţie se referă la consolidarea punctelor forte

ale unei organizaţii şi definirea activităţilor orientate pe aplicaţii. Competitivitatea prin

reducerea costurilor şi adăugarea de valoare produselor finale asigură un proces calitativ-

inovativ permanent. Uniunea Europeană a lansat agenda strategică pentru fabricile viitorului

prin programul „EFFRA- Factory of the Future” cu un buget de 1,2 mld. Euro. Acest program

conţine atât un sector de dezvoltare naţional, cât şi unul regional pentru grupuri industriale.

Ca parte a planului european de redresare economică, comisia a lansat trei parteneriate public-

private (PPP). Acestea reprezintă un mijloc puternic de a stimula eforturile de cercetare în

sectoarele industriale mari, construcții de automobile şi de fabricaţie, care au fost deosebit de

afectate de încetinirea creşterii economice.

Conform statisticii federaţiei internaţionale de robotică, 76.600 de unităţi de roboţi în

valoare totală de 13,2 miliarde dolari, care acoperă domeniul serviciilor în industrie au fost

comercializaţi până în anul 2009. Din acest total 5% reprezintă domeniul logistic, şi 6%

platforme mobile de uz general în domeniul fabricaţiei. Se observă un trend crescând al

utilizării acestora pentru perioada următoare.

Figura 1.1: Valori statistice ale vânzărilor de roboţi pentru servicii în domeniul industrial şi profesional în anul

2009

Stadiul actual

7

1.2. Evoluţia vehiculelor autonome

Un grafic al evoluţiei vehiculelor utilizate în industrie din anul 1959 până în anul 2000

este reprezentat mai jos având la bază cercetările institutului Frauenhofer din

Stuttgart/Germania. De menţionat sunt cele trei mari categorii relevante în dezvoltare de-a

lungul anilor.

Figura 1.2: Evoluţia vehiculelor autonome [116]

Stadiul actual

8

1.3. Principii de funcţionare a celor mai semnificative vehicule specifice ghidate

automat

În cazul depozitării în containere a semifabricatelor/pieselor se pot utiliza, pentru

transferul inter-operaţional al acestora, sisteme de robocare. În acest caz se cere o preocupare

specială referitor la căile de acces şi traseele urmate de către acestea, de aceea acest sistem

este mai puţin uzual în secţiile de producţie propriu-zisă, întâlnindu-se mai des în magaziile

mari sau depozite.

O prezentare sumară a principiului de funcţionare a actualelor soluţii disponibile din industrie

este realizată utilizând ca sursă firma Egemin automation, specializată în domeniul vehiculelor ghidate

din industrie de tip AGV.

1.3.1. Sisteme de ghidare cu reţea de fire

1.3.2. Sisteme de ghidare cu magneţi

1.3.3. Sisteme de ghidare cu Laser

1.3.4. Sisteme hibrid

Sistemele hibrid reprezintă vehicule multifuncţionale care permit atât operarea

automată, cât şi intervenţia operatorului uman în manipulare. În cazul automat, un scaner laser

ghidează vehiculul într-o zonă de producţie, depozit sau medii de distribuţie. Figura de mai

jos indică un stivuitor dotat cu sistemele adiţionale necesare pentru manipulare automată.

Figura1.3: Sistem hibrid de manipulare a materialului [109]

1- senzor de siguranţă, 2- unitate de navigare Laser, 3- senzori laterali pentru detectarea

obstacolelor, 4- buton pornire/oprire, 5- camera video 3D (opţional), 6- cititor RFID

Stadiul actual

9

1.4. Domenii de aplicaţie ale vehiculelor autonome

Trendul în robotică este acoperirea şi automatizarea a câtor mai multe domenii în

speranţa simplificării sarcinilor oamenilor, a siguranţei şi preciziei producţiei, a asistenţei

rutiere, respectiv a dezvoltării zonei de servicii în general. În toate aceste domenii roboţii

mobili au cunoscut o dezvoltare generoasă în ultimii ani. Deosebirea de aplicaţii este definită

de criteriile de operare în mediile specifice:

mediul intern structurat

mediul extern nestructurat.

1.5. Strategii de operare a AGV-urilor industriale

Pe baza regulilor de expediţie este realizată navigarea vehiculelor ghidate automat în

vederea îndeplinirii de sarcini. Performanţa modelelor analitice depinde de regula de expediţie

adoptată. O distribuţie paralelă a sarcinilor reprezintă un avantaj în procesarea acestora fiind o

tematică relativ nouă şi în acest domeniu. Practic, un vehicul autonom devine responsabil

pentru îndeplinirea altor sarcini în drum spre sarcina primită de la sistemul de comandă

central. Avantajele şi dezavantajele sistemelor de ghidare sunt descrise conform tabelului de

mai jos cu extinderea criteriilor de navigaţie cu ghidare video şi GPS, două componente

introduse ca evoluţie în ceea ce priveşte sistemele de navigaţie a vehiculelor specifice.

Tabelul 1.1: Prezentarea criteriilor calitative a sistemelor de ghidare

Sistem/Criteriu Ghidare

cu fir

Ghidare cu

magneţi

Ghidare cu

Laser

Ghidare

video

GPS

intern/extern int.&ext. int.&ext. int. int.&ext. ext.

Pentru suprafețe

murdare

++

++

-

/

++

Nivel de

încredere

++ + + + +

Costuri de

instalație

- / ++ ++ ++

Flexibilitate - / ++ ++ ++

Precizie în mm ~2 3-20 ~10 <=50 <=50

++ foarte bine + bine / mediu - rau

În vederea atingerii unei flexibilităţi optime în sistemul de fabricaţie se recomandă

utilizarea sistemului celui mai rapid în implementare şi a investiţiilor cu costuri minime.

Având scopul maximizării flexibilităţii atât în manipulare, cât şi în navigație, sistemele cu

ghidare Laser şi video reprezintă pentru mediul intern un beneficiu în cele două direcţii.

1.6. Concluzii

Vehiculele autonome cu utilizări industriale reprezintă un avantaj în flexibilitatea

manipulării materiei prime în cadrul producţiei, cât şi în domeniul logistic. În acest sens,

dezvoltarea acestor sisteme poate reduce continuu costurile producţiei conform studiilor,

Stadiul actual

10

având la bază concepte de fabricaţie precum „just-in-time” sau „flexible manufacturing” şi

contextul actual global de dezvoltare a producţiei bazat pe continua adaptare.

Costurile manipulării materialului reprezintă o proporţie semnificativă în costurile de

producţie. În lucrarea lor, Eynan şi Rosenblatt [30] indică faptul că aceste costuri pot atinge

30% din costul total al producţiei. În acest sens, tematica abordată devine importantă datorită

flexibilităţii, caracteristică a sistemului de producţie. Este importantă abordarea interacţiunii

dintre maşini, manipularea materialului şi sistemul informatic.

Nivelul de automatizare permite stabilirea unei comunicaţii între sistemul central de comandă

şi vehiculele autonome sau între unităţile autonome.

Criteriile de evaluare a actualelor arhitecturi de transport şi noile posibilităţi de realizare

tehnică oferă o privire de ansamblu asupra direcţiilor de cercetare viitoare.

Indiferent de domeniul de aplicaţie, tendinţa este de a automatiza procesele prin introducerea

vehiculelor specifice.

Având la bază evoluţia ultimilor cincizeci de ani a vehiculelor utilizate în industria

auto, se poate afirma că noutăţile tehnice şi informaţionale a timpilor respectivi au fost

acumulate şi dezvoltate cu succes şi în zona de transfer a spaţiilor industriale.

Odată cu apariţia senzorilor performanţi, vehiculelor le-au fost dezvoltate şi alte funcţii,

crescând prin acest lucru în primul rând flexibilitatea. Produsele primesc prin integrarea

inteligenţei artificiale un grad tot mai înalt de adaptivitate, fapt confirmat şi de topul privind

direcţia de cercetare şi implementare a vehiculelor autonome la nivel mondial. În acest

context au fost realizate următoarele cercetări:

un studiu al literaturii de specialitate şi de piaţă care sa evidenţieze evoluţia de pe piaţă

actuala şi viitoare a vehiculelor autonome utilizate atât în industrie cât şi în alte

domenii;

o analiză a principiilor de funcţionare a celor mai utilizate sisteme de ghidare din

industria de fabricaţie;

cercetarea unui layout de fabricaţie în scopul identificării si evidenţierii strategiilor de

lucru posibile din acesta;

un studiu al flexibilităţii în manipulare a diferitelor sisteme de ghidare.

Infrastructura vehiculelor inteligente autonome – realizarea prototipului

11

CAPITOLUL 2: INFRASTRUCTURA VEHICULELOR INTELIGENTE

AUTONOME – REALIZAREA PROTOTIPULUI

„ O idee creativă rămâne doar o idee până când se face ceva cu ea.

Trebuie să faci ceva, altfel nu eşti creativ.” (Glen Hoffherr)

Având în vedere criteriul de locomoţie, infrastructura vehiculelor utilizate în domeniul

industrial este dependentă de aranjamentul roţilor sau geometria acestora. Pentru realizarea

unui robot mobil trebuie luat în considerare acest lucru în vederea stabilirii limitării de

manevrabilitate, control şi stabilitate, practic domeniul de operare. O clasificare a roboţilor

mobili industriali după configuraţia roţilor conform [83].

2.1. Vehicul inteligent autonom non-holonomic

Având ca obiectiv realizarea unui vehicul non-holonomic la scara 1:8 cu operare atât

în mediul intern, cât şi extern, modelul simplificat Ackerman a fost ales şi este utilizat în acest

sens pentru stabilirea manevrabilităţii. Fiecare roată trebuie să îndeplinească constrângerea de

alunecare, iar un astfel de vehicul poate avea un singur centru de rotaţie instantaneu.

Tracţiunea este stabilită pe toate cele patru roţile, axa din faţă manevrabilă. Relaţiile

cinematice sunt explicit adaptate.

2.2. Realizarea prototipului

2.2.1. Platforma de rulare cu senzori de odometrie

Pentru realizarea prototipului a fost utilizată o platformă model scara 1:8. Modelul de

la CEN racing este unul cu tracţiune integrală. Direcţia este asistată de un servomotor, iar

poziţia vehiculului este dată de senzorii incrementali montaţi pe axa din spate a vehiculului şi

de senzorul unghiular ataşat servomotorului. Un motor electric deplasează vehiculul în plan.

Odometria de poziţionare este corectată algoritmic. Specificaţiile componentelor descrise se

găsesc în Anexa 1.

Figura 2.2: Platforma de rulare (CEN) a vehiculului cu motoarele de antrenare şi senzorii de odometrie


12

2.2.2. Senzori de detecţie şi ghidare

2.2.2.1. Senzori LASER

2.2.2.2. Senzori ultrasonici

Figura 2.6: Schema de poziţionare a senzorilor ultrasonici pentru calculul vectorial de transformare a

coordonatelor

Prin intermediul coordonatelor fiecărui senzor este descrisă vectorial poziţia acestora

având ca referinţă punctul din mijlocul axei din spate a vehiculului. Aceşti vectori sunt

rezumaţi într-o matrice de dimensiunea 20x2 în forma de mai jos, reprezentând totodată şi

interfaţa de transmisie a datelor în coordonate carteziene către sistemul de comandă şi control:

[

] [

] [

] (2.7)

2.2.3. Senzori odometrici

2.2.4. Senzor video

2.2.5. Sistemul de achiziţie de date, comandă şi control

Limitarea sistemului de comandă şi control este definită de unitatea de procesare

reprezentând un computer în formatul PC-104 tower [ISO], utilizat pentru aplicaţiile

industriale. Acest sistem poate fi configurat în funcţie de infrastructura dorită. În acest sens

următoarea listă de componente formează sistemul de achiziţie de date, comandă şi control al

prototipului vehiculului inteligent autonom. Detaliile specifice ale componentelor sunt

prezentate în Anexa 2 a tezei.


13

Figura 2.10: PC-104 - Unitatea de achiziţie date, calcul şi procesare algoritmică

O configuraţie de rulare în paralel a aplicaţiilor şi a achiziţiilor de date pe un concept

de două sisteme PC-104 necesită sincronizarea celor două unităţi de calcul. În acest sens, a

fost dezvoltat un concept de comunicaţie propriu, în vederea acoperirii nevoilor de calcul sub

premisa atingerii unui timp de procesare real de minim 0.01 secunde. Acest lucru a fost

stabilit astfel încât să se atingă un nivel de procesare atât a datelor necesare pentru controlul

vehiculului, cât şi pentru calculul şi procesarea algoritmică superior unui sistem care rulează

cu un sistem de operare Windows sau Linux; platforme care stau la baza majorităţii

vehiculelor care operează actual în mediul industrial.

Tabelul 2.5: Lista componentelor unităţii de achiziţie de date, calcul şi procesare algoritmică PC-104

Element Descriere Hardware Specificaţii

a Advantech PC104 CPU

Main board PCM-3380

Embedded Intel Pentium M 1.4 GHz, 2GB RAM

b Modul de memorie SD Card

8 Gb

c Sursa de curent

PCM 3910 Advantech

10 to 24 V output

d PCI to ISA Board

PCM 3117 Advantech

e IO Board (Analog)

IO 526 Sensoray senzor card

AD/DA/Encoder Input

f PWM Signal Unit

DM 6804 RTD for servomotors

O interfaţare cu senzorii vehiculului a fost necesar de realizat, specificaţiile acesteia

fiind descrise în Anexa 2 a tezei.


14

2.2.5.1. Comunicaţia vehiculului pe principiul target-host

Flexibilitatea în utilizare a sistemelor de tip PC-104 tower oferă posibilitatea stabilirii

unei comunicaţii cu alte entităţi de calcul sau de monitorizare prin protocoale standard de

transmisie a datelor. Pentru aceasta este utilizat un pachetul xPC target integrat în Software-

ul MATLAB. Cu ajutorul acestuia este posibilă stabilirea de priorităţi în comunicaţie sau

sincronizare pentru utilizarea paralelă a informaţiei provenind de la plăcile de achiziţie

disponibile.

Utilizând principiul de comunicare target-host, o arhitectură precum cea prezentată

mai jos este realizată în scopul comunicării vehiculului inteligent autonom (target) cu un

calculator de comanda (host). Un protocol de transfer prin UDP este stabilit, entităţile având

IP-uri configurate static.

Figura 2.13: Schema de comunicare target-host

Un laptop monitorizează prin WLAN activitatea celor două calculatoare de comandă şi

control montate pe vehiculul inteligent autonom.

Arhitectura de comunicaţie poate avea una sau două unităţi de procesare active. În

acest sens cele două sisteme PC-104 devin target 1 şi target 2. Acestea comunică între ele pe

baza conceptului master-slave, iar sincronizarea lor poate fi realizată fie printr-un port paralel

sau utilizând protocolul de comunicaţie CAN, configuraţii testate în laborator. Scopul este

rularea pe un sistem PC-104 a aplicaţiilor de achiziţii de date, cât şi comandă şi controlul

vehiculului în regim master, iar pe celălalt în regim slave algoritmii de calcul necesari pentru

stabilirea parametriilor de navigaţie. Algoritmii de navigaţie sunt trataţi în amănunt în

secţiunile următoare ale lucrării.

Performanţele transferului dintre cele două unităţi de procesare au fost măsurate în

condiţiile de transmitere a pachetelor de date utilizând conexiunea Ethernet prin protocolare

UDP între target 1 şi target 2. Rata de tranfer ideală TR este calculată.

Trei nivele de utilizare sunt referenţiale:

utilizare scăzută;

utilizare medie;

utilizare mare.

Pachetele primite sunt reprezentate în diagrama de mai jos având ca referinţă numărul

pachetelor de date primite care scade odată cu utilizarea mare a unităţii de calcul.


15

Figura 2.14: Stabilirea limitelor de transfer de date între două unităţi de procesare PC-104 utilizând xPC target

O reprezentare procentuală arată că la o utilizare mare, 45,92 % din totalul de pachete

transmise ajung integral, reprezentând o situaţie critică. Acesta reprezintă o motivaţie în plus

pentru stabilirea criteriilor de programare eficientă şi utilizarea algoritmilor de predicţie şi

compensaţie în cazul lipsei datelor, fenomen des întâlnit în cazul transferului de date.

Pentru eficientizare au fost stabilite interfeţe de date comune în ceea ce priveşte atât

prelucrarea algoritmilor, cât şi cea a achiziţiei de date.

Comunicaţia calculatorului de comandă cu unitatea ţintă, target 1 sau 2 are loc printr-

un router wireless de tipul D-Link DWL. Acesta monitorizează activitatea senzorilor şi

traiectoria parcursă, respectiv primeşte date de la algoritmii de cartografiere pentru

vizualizarea hărţii în care se deplasează vehiculul autonom. Pe calculatorul host rulează

Microsoft Windows 7 cu un software realizat în Matlab şi o interfaţă grafică pentru uşurarea

manipulării de către utilizator. O extensie a acestei interfeţe a fost necesară pe parcursul

dezvoltării şi realizată în acest sens, ceea ce a evidenţiat avantajul utilizării unui pachet de

programare care include programarea orientată pe obiect din cadrul librăriei Simulink şi a

facilităţii de creare a interfeţelor grafice (GUI) puse la dispoziţie. Un joystick conectat la

laptop oferă posibilitatea intervenirii rapide în cazul în care sistemul target semnalizează erori.

O vizualizare în lucru a interfeţei este prezentată în secţiunea de realizare a testelor în

capitolul patru.

2.3. Concluzii

Realizarea unui model de vehicul inteligent la scară oferă următoarele avantaje în ceea

ce priveşte cercetarea comportamentului de navigaţie:

costurile de dezvoltare sunt mai mici datorită unei platforme care nu necesită

componente reale;


16

privind testarea în mediile specifice, de asemenea se realizează cu costuri

reduse, nefiind necesară aprobarea folosirii unui spaţiu real de fabricaţie;

consumul de energie este redus.

Trendul în cercetarea şi dezvoltarea aplicată are la bază implementarea modelelor la

scară ca o a doua etapă, prima etapă fiind crearea unui mediu software simulat, care este

prezentat în cazul de faţă în capitolul trei. După validarea testelor, modelul este propus sau nu,

în funcţie de rezultate, spre fabricaţie în serie. În cazul îmbunătăţirilor şi vizualizarea efectelor

rapide a platformei realizate, vehiculul la scară beneficiază de o eficienţă maximă.

Prin stabilirea unei interfeţe comune de comunicaţie între senzori se asigură atât o

implementare rapidă şi uşoară a componentelor, cât şi posibilitatea integrării datelor provenite

de la diverşi senzori în scopul fuziunii.

Privind limitarea sistemelor de comunicaţie şi de calcul, a fost realizată o evaluare a

pachetelor de date care pot fi transmise în timpul unei aplicaţii. Conceptul de utilizare paralelă

a sistemelor industriale de tip PC-104 pentru mărirea performanţelor cu stabilirea sincronizării

celor două module ale vehiculului reprezintă o contribuţie şi pentru viitoarele sisteme

similare.

Prin utilizarea unui model multi senzorial se realizează o diferenţiere între domeniile

de activitate a vehiculului. Pentru acest lucru senzorul Laser este responsabil pentru furnizarea

datelor într-un domeniu de până la 10 m în jurul vehiculului. Senzorii ultrasonici având

capacităţi limitate, sunt utilizaţi în scopul identificării obiectelor din imediata apropiere a

vehiculului. Pentru a completa domeniul senzorial activ, o camera video asigură identificarea

obiectelor a căror proprietăţi nu pot fi extrase cu ajutorul senzorilor de proximitate. În acest

sens, ghidarea în spaţii necunoscute sau parţial necunoscute devine posibilă şi din punct de

vedere al siguranţei operatorilor umani. Deşi există algoritmi de extragere a informaţiei

obiectelor dinamice cu ajutorul senzorilor de proximitate, senzorii video oferă informaţii mai

precise, iar identificarea devine mai robustă în acest sens.

S-au studiat îndeaproape următoarele problematici, având contribuţii în implementare:

platforma de rulare a vehiculului autonom pentru modelarea şi realizarea

infrastructurii acestuia;

un studiu al senzorilor disponibili în scopul achiziționării şi integrării acestora

pe o platformă stabilită in scopul deplasării autonome a acestuia;

realizarea unui concept de comunicaţie între unitățile de procesare, comandă şi

control pentru îmbunătăţirea puterii de calcul

stabilirea unei comunicaţii de monitorizare între vehicul şi un calculator de

proces.

Vehiculul prezentat integrează senzori şi tehnologii de informaţie de ultimă oră în

domeniul de dezvoltare a vehiculelor inteligente autonome, realizând atât o infrastructură de

comunicaţie pe principiul taget-host, cât şi o platformă mobilă de transfer non-holonomică.

Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome

17

CAPITOLUL 3: CARTOGRAFIEREA ŞI LOCALIZAREA PROPRIE CA

PROCESE SIMULTANE ALE VEHICULELOR AUTONOME

“Odată trasat drumul, nu se poate să nu mergi

înainte” (Antoine de Saint-Exupery)

3.1. Conceptul de cartografiere şi localizare simultană (SLAM)

Acest concept se referă la cartografiere şi localizare simultană (SLAM) şi reprezintă o

tehnică creată de comunitatea de robotică în scopul de a analiza posibilitatea unui vehicul

autonom de a porni dintr-o locaţie necunoscută şi asimilând informaţii despre mediul în care

activează, creează o hartă a spaţiului activ care este construită incremental. Prin utilizarea

senzorilor şi completarea simultană a noilor date în harta generată, vehiculul se poate localiza

singur. Atât harta, cât şi estimările despre localizarea vehiculului în urma unei activităţi de

SLAM reprezintă suportul pentru viitoarele sarcini pe care le îndeplineşte vehiculul inteligent

autonom. O soluţie practică privind localizarea proprie şi cartografierea reprezintă o valoare

inestimabilă în ceea ce priveşte realizarea unui vehicul inteligent autonom după cum este

descris în [84].

Privind evoluţia tematicii SLAM au fost dezvoltate o serie de concepte şi abordări.

Este posibil a clasifica diferitele abordări în funcţie de metoda de reprezentare utilizată pentru

realizarea hărţii, care reprezintă un punct cheie, deoarece aceasta determină tipul de informaţii

în mod explicit exprimate în model. Cele mai comune metode de reprezentare sunt:

Grilele de ocupare. Acestea descriu împrejurimile vehiculelor prin împărţirea

spaţiului în mai multe celule regulate şi atribuirea unei valori probabilistice care

stabileşte zone goale, necunoscute şi ocupate, precum este descris în [46] şi [82].

Hărţi topologice. Un exemplu de astfel de hărţi îl reprezintă diagramele Voronoi [54].

Harţi bazate pe trăsături particulare. Elementele de bază a reprezentării mediului

se realizează prin utilizarea unui set de primitive geometrice, cum ar fi puncte, linii şi

plane anterior extrase din date brute ale senzorilor [21], [18].

Figura 3.3: Realizarea hărţilor prin extragerea de linii din puncte

Harţi realizate din scanări succesive. Datele neprelucrate ale senzorilor sunt aliniate

în mod direct printr-un proces de translaţie şi rotaţie prin găsirea unui maxim de


18

suprapunere cu datele conţinute în scanarea anterioară. Se obţin astfel segmente de

hărţi care sunt fuzionate la fiecare achiziţie de date noi. Este potrivit pentru utilizarea

în situaţii în care nicio reprezentare geometrică simplă de mediu nu poate fi obţinută.

Până în prezent, aceasta nu a fost dovedită cu succes decât pentru laser, conform

studiilor [22].

Figura 3.4: Hărţi generate din scanări succesive [19]

Odată ce a fost selectată metoda de reprezentare, dificultatea tehnică principală pentru

realizarea SLAM-ului este definită prin reducerea pe cât posibil a incertitudinilor crescânde,

cât şi a reducerii de zgomot, respectiv a erorilor senzorilor. Este esenţial să se găsească o

metodă eficientă din punct de vedere al calculului capabilă să facă faţă incertitudinilor, să

realizeze o reprezentare acurată pentru a obţine o hartă precisă şi, prin urmare, o localizare

fiabilă a vehiculului. Alte dificultăţi tehnice legate de problematica SLAM se referă la

extragerea trăsăturilor particulare şi problema asocierii. Obţinerea informaţiilor credibile şi de

la datele cu zgomot ale senzorilor, cât şi discernământul de identificare a explorării anterioare

a aceluiaşi teritoriu reprezintă elemente cheie pentru convergenţa unui algoritm SLAM.

3.2. Extragerea trăsăturilor particulare din mediul de navigaţie

Reprezentările depind de alegerea mediului de navigaţie, cât şi de tipul senzorilor

utilizaţi. Alegerile făcute cauzează diferenţe mari în interpretare. Spre exemplu, datele unui

senzor laser pot fi utilizate atât direct, prin realizarea transformării în coordonatele globale sau

prin prelucrarea acestora în trăsături particulare. [89], [23]. Grilele de ocupare utilizează în

mod frecvent modelul senzorului utilizat pentru a furniza informaţia privind volumele

ocupate. Metodele bazate pe extragerea trăsăturilor particulare din mediul de navigaţie sunt

utilizate în principal pentru procesarea datelor de la senzori în ordinea de a găsi entităţile care

pot fi identificate în mod repetat. Aceste entităţi se numesc trăsături particulare, iar procesul

de obţinere a acestora poartă denumirea de extragere a trăsăturilor particulare.

Prin această tehnică, de obţinere a trăsăturilor particulare, informaţia furnizată de

diferiţii senzori este manipulată în aşa fel încât să se realizeze o extragere cât mai fezabilă şi

care să îndeplinească o serie de criterii.


19

3.3. Asocierea de date

3.3.1. Asocierea utilizând cea mai apropiată vecinătate (Nearest Neighbour)

O metodă de calcul rapidă privind asocierea observaţiilor senzorilor interni (ai

vehiculului) este descrisă de metoda celei mai apropiate vecinătăţi [83, 8]. Se începe de la un

obiect aleatoriu căruia îi este asociat obiectul cel mai apropiat ca distanţă în spaţiu în funcţie

de un parametru stabilit. În acest mod se caută vecinătatea care poate fi asociată. Varianta

algoritmului utilizată asociază obiectele în interiorul unei aşa numite regiuni de interes (ROI),

care limitează spaţiul de asociere a datelor. Prin definirea acestuia se reduce consistent efortul

computaţional în comparaţie cu alţi algoritmi existenţi, iar asocierea de date este maximală.

Figura 3.5: Asocierea datelor în regiunea de interes (ROI)

Dacă există prin limitarea ROI doar o singură asociere, aceasta este realizată. Celelalte

rânduri şi coloane ale matricei conţinând datele extrase sunt excluse calculului.

Pentru realizarea unei hărţi de navigare precisă, valorile senzorilor trebuie interpretate

perceptual. Astfel se extrag particularităţile mediului şi se interpretează scene specifice ale

mediului în scopul de a minimiza impactul individual al imperfecţiunii senzorilor, cât şi

pentru a obţine robusteţea necesară navigării.

Asocierea corectă a datelor este o componentă crucială în realizarea algoritmilor

SLAM care pot influenţa metode estimative cum sunt filtrele extinse Kalman (EKF-extended

Kalman Filter). Metodele de asociere a datelor sunt dependente de tipurile de date provenite

de la senzori. Aplicaţiile care utilizează datele neprelucrate ale senzorilor cum sunt lanţurile

succesive de scanare realizează o potrivire a datelor scanării în observaţie cu reprezentarea

anterioară a hărţii. Acest tip de tehnică se poate clasifica în două categorii:

care utilizează date neprelucrate pentru reprezentare ;

care utilizează reprezentări geometrice pentru redarea mediului scanat.

Un concept foarte utilizat în realizarea hărţilor este „map matching”, în care se caută

elementele comune din segmentele de hărţi generate şi suprapunerea acestora într-o nouă

hartă.


20

Metoda de suprapunere necesită resurse semnificative atât pentru reprezentare, cât şi

pentru efectuarea calculului final deoarece procesarea se face punct cu punct. În acest sens, o

abordare simplă şi aplicată în acest proiect o reprezintă împerecherea imediată a

particularităţilor extrase aflate într-o zonă de interes prestabilită a vehiculului aflat în

deplasare. Metoda este descrisă în detaliu în secţiunea de realizare a simulării software în

cadrul fuziunii de linii generate în mediul scanat.

3.4. Localizarea vehiculului autonom

Localizarea unui vehicul autonom este răspunsul la întrebarea: „Unde mă aflu?” În

acest context provocarea o reprezintă extragerea de particularităţi şi asocierea de date cât mai

precisă în vederea unei localizări cât mai exacte. Mediul în care operează un vehicul

reprezintă un rol important atât datorită condiţiilor suprafețelor de contact care influenţează

odometria vehiculului, cât şi datorită obiectelor de identificat în vederea extragerii de

particularităţi. Prin aplicarea filtrelor de corecţie, aceste neajunsuri pot fi îndepărtate.

Găsirea unei soluţii optime depinde de mediul caracteristic în care operează vehiculul,

soluţii diferite fiind prezentate în [57, 59, 20, 29, 45, 87] .

Figura 3.8: Schema generală a localizării unui vehicul autonom

Un element important îl constituie pe lângă extragerea de particularităţi, definirea unor

observaţii care să constituie aşa numitele repere de navigaţie. Cu ajutorul acestora se

realizează actualizarea poziţiei vehiculului autonom.

Figura 3.9: Localizarea cu ajutorul reperelor


21

Un algoritm dezvoltat în vederea localizării proprii a vehiculului se referă la

extragerea reperelor din linii, reprezentând muchii ale obiectelor scanate. Reperele sunt

principalele particularităţi extrase, iar prin re-scanarea acestora în timpul navigaţiei se

realizează localizarea în spaţiu. Reperele se evidenţiază în timpul construcţiei hărţii, de aceea

fenomenul de localizare este strict legat de generarea hărţii. În acest fel, cele două

componente de cartografiere şi localizare se completează reciproc

3.5. Cartografierea mediului de navigație în timp real

Cartografierea reprezintă problema integrării informaţiei în urma achiziţiei datelor de

la senzori şi reprezentarea acestora într-o hartă. Acest proces poate fi descris de întrebarea

„cum arată mediul în care se activează?” Aspectele centrale se referă la reprezentarea

mediului şi interpretarea datelor provenite de la senzori. În contrast, problema localizării se

referă la estimarea poziţiei robotului relativă la o hartă. Cu alte cuvinte, robotul trebuie să

răspundă întrebării „unde mă aflu?”. Se realizează o distincţie între urmărirea poziţiei, unde

poziţia iniţială a vehiculului este cunoscută, şi localizarea globală proprie a vehiculului robot,

unde nu există o informaţie cunoscută a priori. Problema controlului sau cea a determinării

traiectoriei de deplasare implică eficienţa de a ghida un vehicul către un punct stabilit. Soluţia

ar cuprinde răspunsul la întrebarea: „Cum ajung cel mai eficient la o locaţie dată?”.

Problema majoră este faptul că cele trei nu pot avea o abordare independentă. Înainte

ca un robot să poată răspunde la întrebarea despre cum arată mediul în funcţie de seturile de

observaţii, trebuie să cunoască şi perspectiva localizării din care s-au realizat observaţiile. În

acelaşi timp este greu de estimat poziţia vehiculului fără o hartă. Conform [19] abordările

integrate reprezintă şi soluţii pentru planificare, localizare şi cartografiere simultană. În final,

se presupune ca robotul mobil a realizat un model acurat al mediului şi şi-a determinat poziţia

proprie relativă la acest model.

Figura 3.10: Sarcini obligatorii pentru un robot mobil pentru ca acesta să înregistreze modele acurate ale

mediului. Domeniile care se suprapun reprezintă zone cu elemente comune ale domeniilor.


22

Problemele cheie în contextul cartografierii în timp real se referă la întrebările de

tipul:

încotro să fie ghidat un robot în timpul unei explorări autonome?

cum se rezolvă problema zgomotului în cazul estimării poziţiei şi a reperelor

observate?

cum se interpretează incertitudinea robotului în modelul global şi cum sunt interpretate

datele de la senzori?

cum se modelează modificările mediului variabile în timp?

cum se coordonează eficient un vehicul mobil autonom?

Contribuţiile prezentate în acest context prezintă soluţii ale diferitelor aspecte

prezentate anterior privind învăţarea unei hărţi globale şi localizarea unui vehicul mobil

autonom în harta generată.

În ceea ce priveşte achiziţia datelor, în domeniul roboţilor mobili, un factor important este

reprezentat de localizarea robotului într-un mediu necunoscut. O estimare precisă a poziţiei

reprezintă nucleul oricărui sistem de navigaţie cuprinzând localizarea, construcția dinamică a

hărţii şi planificarea traiectoriei.

Utilizarea datelor provenite de la odometria vehiculului robot nu sunt suficiente

datorită faptului că acestea introduc în sistemul de poziţionare erori conform [12] şi a

măsurătorilor realizate şi evidenţiate în secţiunea realizării prototipului prezentată anterior.

Soluţionarea problemei este reprezentată de utilizarea diferiţilor senzori complementari

(sonar, infraroşu, laser, video, etc.) şi fuzionarea ulterioară a datelor prelucrate.

3.6. Construcţia grafică a harţii virtuale. Realizarea simulării.

Reprezentarea mediului de navigaţie este realizată pe baza unei platforme software

dezvoltate în mediul de programare Matlab/Simulink utilizând limite de sistem impuse pentru

procesarea în timp real. În urma testelor de comunicaţie şi de evaluare a sistemului de

comandă şi control al vehiculului autonom prezentat în capitolul de realizare a prototipului au

fost stabilite criteriile de utilizare strictă a platformei de programare Embedded. A fost

exclusă astfel utilizarea sistemelor de operare pe modulurile de comandă şi control şi de

procesare algoritmică PC-104. Două nivele de abordare software sunt dezvoltate, simulare şi

implementare hardware. Pentru simulare interfeţele senzorilor sunt modelate matematic astfel

încât să corespundă interfeţei reale de implementare. Schema de mai jos indică cele două

nivele abordate. O implementare rapidă este realizabilă în condiţiile în care simularea prezintă

structura strictă. Pentru aceasta limitarea în programare codului dedicat a exclus utilizarea

funcţiilor din biblioteci disponibile.

Utilizarea unei interfeţe de comandă şi vizualizare este disponibilă direct în nivelul

simulat. Nivelul implementat conţine doar codul compilat al aplicaţiei, vizualizarea fiind

transferată printr-un modul WLAN către calculatorul host, pe baza principiului de

comunicaţie stabilit.

În cadrul simulării s-au introdus dimensiuni la scară reală pentru vehiculul inteligent

autonom, iar pentru testele de laborator s-a folosit vehiculul la scară . Obiectele de manipulat

sunt de mărimi similare vehiculului operand, cu o formă dreptunghiulară.


23

Figura 3.12: Platforma software de simulare

3.6.1. Modulul vehiculului „Vehicle”

Acest modul conţine modelul dinamic al vehiculului cu parametri pentru stabilirea

poziţiei Xv, Yv, Thetav şi viteza V.

Beneficiind de un model cinematic al transportorului, se rezolvă problema cinematicii

inverse. Mai precis, pornind de la traiectoria şi viteza cu care trebuie parcursă aceasta, se

determină variaţia în timp a unghiului roţilor şi desenarea acesteia pe hartă.

3.6.2. Modulul de control al vehiculului „Vehicle control”

În acesta s-au stabilit parametrii de acceleraţie, frânare şi direcţie a vehiculului prin

atribuirea unor valori determinate experimental. Modelul presupune şi luare în calcul a

dinamicii vehiculului prin stabilirea unui parametru variabil de frecare cu aerul.

3.6.3. Modulul de scanare a mediului „Scanner”

Acesta reprezintă modelarea scanerului laser cu interfaţa de predare a datelor către

modulul de cartografiere şi localizare şi planificare a traiectoriei.

3.6.4. Modulul de transformare a datelor în coordonate globale „World coordinates”

Acest modul realizează transformarea coordonatelor achiziţionate de la senzorul laser

din referinţa locală în sistemul de coordonate global.

Punctul de referinţă al sistemului de coordonate este reprezentat de axa din spate a

vehiculului autonom. Se face diferenţierea între un sistem de coordonate al senzorului,

sistemul de referinţa propriu vehiculului OL şi sistemul de referinţă global OG.


24

3.6.5. Modulul de generare a harţii „Map generation”

Reprezintă un modul complex de generare a hărţii. Acesta cuprinde algoritmi de calcul

şi extragere a particularităţilor din mediul scanat. O schemă internă arată componenţa acestui

modul.

Figura 3.16: Structura internă a modulului de cartografiere şi localizare simultană

Interfaţa comună a datelor achiziționate de la senzori transformate în coordonate

globale carteziene reprezintă datele de intrare pentru modulul de generare a hărţii. În prima

fază se realizează o împărţire a punctelor în clustere pe baza criteriului de distanţă minimă

între acestea. În acest scop este definită o regiune de interes ROI în jurul vehiculului (10x10

m). Scanările succesive sunt achiziţionate în cicluri a câte 10 scanări, număr determinat

experimental pentru procesarea relevantă a datelor. Un vector de ieşire din funcţia „cluster

scans” conţine date grupate, care formează o muchie prin extragerea de linii din blocul

funcţiei următoare de extragere a obiectelor.

Figura 3.17: Gruparea punctelor de intersecţie cu obiectele în clustere

Punctele măsurate care nu aparţin niciunui cluster sunt reintroduse în funcţia de

grupare pentru o eventuală reasociere a datelor din t-1 cu scanarea actuală în timpul t. Un

algoritm de reducere a datelor scanate realizează extracţia de linii pe baza unui concept extins

de evoluţie a conturului extended DCE şi este prezentat în detaliu mai jos. Se obţin astfel

reduceri de date de până la 80 %. Se păstrează practic pentru o procesare viitoare doar

capetele de linii extrase, realizându-se o filtrare a datelor nerelevante pentru extragerea de


25

particularităţi. Fuziunea segmentelor de linie scurte într-o linie relevantă grafic pentru

definirea unui contur detectat este realizată în funcţia „merge Objects”.

Schematic această problemă de construcţie a hărţii constă în determinarea următorilor

paşi:

sensibilizarea mediului prin achiziţia datelor de la senzorul LASER la timpul t;

procesarea datelor provenite de la senzori prin extracţia liniilor şi a particularităților;

integrarea observaţiilor determinate în timpul t în structura observaţiilor mediului de la

timpul t-1.

Mai jos sunt prezentate cazurile în care este realizată fuziunea de linii, implicit o nouă

reducere de date considerată metoda descrisă în [75]. Se utilizează centrul de greutate a

liniilor, iar coordonatele liniilor de fuzionat sunt proiectate pe o nouă direcţie rezultată

reprezentând media celor două linii.

3.6.5.1. Algoritmi de calcul în procesul de cartografiere

În procesul de cartografiere există o serie de abordări atât de calcul, cât şi de

reprezentări grafice. Cele mai uzuale tehnici se referă la extracţia particularităților din datele

senzorilor, dar şi procesarea directă a datelor neprelucrate ale senzorilor. Abordările care se

referă la extragerea particularităților geometrice din datele iniţiale ale senzorilor au fost

studiate intensiv în domeniul localizării roboților mobili. Acestea sunt descrise în cercetări

precum [18], [29], [87] ca fiind tehnici compacte care necesită mai puţin spaţiu în ceea ce

priveşte prelucrarea, atingând performanţe de un standard relativ înalt. În ceea ce priveşte

eficienţa algoritmilor care au la bază particularităţile geometrice parametrizate, acestea s-au

dovedit a fi preferate în comparaţie cu algoritmi de calcul care au la bază prelucrarea directă a

punctelor de la senzori. De menţionat este însă că în cazuri particulare o abordare combinată

reuşeşte să satisfacă împlinirea sarcinii de realizare a unei hărţi precise de navigare.

Segmentele de linie reprezintă printre primitivele geometrice cel mai simplu element.

Este uşor de descris în aproape orice mediu şi reprezintă totodată şi cel mai comun mod de

abordare în ceea ce priveşte reprezentarea 2D. În lucrarea sa, Castellanos [20] descrie un

algoritm bazat pe o metodă de segmentare inspirată din domeniul prelucrării video. Vandorpe

[98] introduce un algoritm de generarea dinamică a unei hărţi bazându-se pe tehnica extragerii

de linii şi cercuri utilizând un scaner laser.

Pe baza comparaţiei de algoritmi descrisă în [37] au fost selectaţi algoritmii descrişi în

ceea ce urmează, pentru testarea performanţelor, cât şi pentru a dezvolta un algoritm propriu

care să satisfacă necesitățile proiectului. Informaţiile aferente descriu paşii de realizare a

acestora.

3.6.6. Algoritmul împarte şi îmbină (“split and merge”)

3.6.7. Regresie liniară

3.6.8. Algoritmul RANSAC

3.6.9. Transformarea Hough


26

3.6.10. Algoritmul de extracţie a liniilor bazat pe tehnica DCE (Discrete curve evolution)

extDCE

Având în vedere dezvoltarea algoritmilor care să funcţioneze în timp real, pe baza

analizei rezultatelor şi eficienţei algoritmilor anterior prezentaţi a fost realizat un algoritm

propriu care să satisfacă cerinţele proiectului. Acest algoritm se bazează pe extracţia succesivă

a liniilor în timpul deplasării vehiculului. Spre deosebire de algoritmii anteriori, care au la

bază colectarea de date înainte de aplicarea algoritmului, algoritmul de extracţie a liniilor

bazat pe tehnica DCE [53] realizează o procesare imediată, pentru colectare fiind definit un

„buffer” pentru determinarea punctelor necesare extragerii de linii rezultat în urma ciclurilor

de scanare. Pentru acest fapt algoritmul este utilizat în procesarea aplicaţiei software de

generare a hărţii virtuale în timp real. Algoritmul provine din domeniul grafic unde

extragerea liniilor reprezintă o tehnică de bază.

1. Iniţializare: colectarea unui număr de N scanări (minim 3 puncte)

2. Verificarea distanţei minime între 3 puncte definită de un parametru

3. Dacă valoarea parametrului este mai mică, se parcurge pasul 5

4. În caz contrar punctele sunt reintroduse în ciclul de N scanări pentru noi asocieri

5. Se verifică valoarea unghiulară stabilită cu ajutorul unui parametru cât şi condiţia

L12<L1+L2 pentru trei puncte consecutive

6. Procesarea celor N scanări în linii aplicând algoritmul DCE extins

7. În cazul în care valoarea unghiulară a liniilor generate coincide, acestea sunt comasate

într-o nouă linie

Comparaţia algoritmilor de cartografiere a fost evaluată având la bază criteriile

descrise în tabelul de mai jos.

Tabelul 3.1: Comparaţia algoritmilor

Algoritm Viteza de

procesare

[Hz]

Nr. de

linii

Corectitudine Precizie

Poziţie

reală [%]

Poziţie

falsă [%]

σΔr

[cm]

σΔα

[grade]

Split.merge+cluster 1470 641 86.0 8.9 1.95 0.74

Incremental 344 561 77.8 5.9 2.04 0.72

Incremental+cluster 617 567 79.2 5.1 1.99 0.76

Regresie liniara 364 577 76.4 10.1 1.97 0.80

Regresie

liniara+cluster

384 562 75.8 8.4 1.68 0.79

RANSAC 29 749 75.6 31.5 1.37 0.77

RANSAC+cluster 93 547 70.7 12.2 1.63 0.70

extDCE 377 720 81.3 13.8 1.59 0.72


27

3.6.10.1. Reducerea datelor prin fuzionarea liniilor cu proprietăţi comune

Forma obstacolelor şi orientarea acestora, precum şi eroarea de localizare a vehiculului

determină deviaţia de poziţionare a liniilor reprezentând muchiile obstacolului identificat în

mod eronat. Figura de mai jos evidenţiază un asemenea caz.

Figura 3.24: Fenomenul de extragere a muchiilor

Pentru soluţionarea acestei probleme de reprezentare se consideră calculul distanţei

euclidiene între două segmente de linie prin determinarea distanţei minime între oricare

element al celor două linii

Figura 3.26: Substituţia segmentelor de linie mici aparţinând aceluiaşi cluster cu segmente de linie complete

lungi

În urma calculului distanţei dintre liniile generate se realizează o reducere de date prin

fuzionarea liniilor care au parametrii comuni şi aparţin aceluiaşi cluster. Se obţine astfel o

reducere de date de până la 70% din sistemul de extragere a particularităţilor prin fuzionarea

liniilor de parametri comuni.


28

3.6.11. Extragerea reperelor din mediul de navigaţie pentru localizarea vehiculului

Pentru extragerea reperelor se ia în considerare algoritmul de reducere a liniilor DCE

extins, realizat pentru reprezentarea muchiilor din mediul de navigaţie. Completarea este

descrisă mai jos, având ca iniţializare punctele de capăt ale liniilor extrase.

Reidentificarea aceluiaşi reper asigură în spaţiul phi/rho o reprezentare de aglomerare

de puncte în aceeaşi zonă.

Figura 3.29: Extragerea reperelor din particularităţi (linii)

3.6.12. Modelul filtrului Kalman utilizat pentru corecţia odometriei

Filtrul Kalman constă într-un sistem de ecuaţii matematice bazat pe minimizarea

pătratelor erorilor şi reprezintă astfel un estimator optim şi pentru corecţia poziţiei unui

vehicul autonom.

Cu toate acestea apare întrebarea: De ce tocmai un filtru Kalman?

Argumentele care susţin utilizarea acestuia în industria de automatizare se referă la:

eficienţa în aplicare;

estimarea stărilor trecute, actuale şi a celor în viitor posibile;

măsurarea stărilor “ascunse”;

măsurarea calitativă a unei predicţii prin varianţe;

robusteţe; filtrul se descurcă foarte bine în modelele inexacte şi este stabil sub condiţii

specifice.

Funcţionarea modelelor se bazează pe următoarea schemă ciclică:


29

Figura 3.30: Algoritmul de estimare şi corecţie a filtrului Kalman

Prima fază cuprinde update-ul temporar în care se realizează o estimare a vectorului de

stare pentru pasul următor. În faza următoare se realizează o estimare a stării primei faze prin

adaptarea acesteia la o măsurare actuală, astfel ca aceasta să poată fi corectată.

Diferenţa de reglare este estimabilă, astfel încât o predicţie cu ajutorul filtrului Kalman

ar reduce această diferenţă dintre curba teoretică şi cea reală la un minim, sistemul devenind

unul mai precis.

Estimarea şi calculul traiectoriei de deplasare, respectiv a îmbunătăţirii odometriei

vehiculului este evidenţiată în capitolul 4 într-o aplicaţie dezvoltată pe vehiculul autonom la

scară.

3.6.13. Utilizarea Filtrului Kalman Extins (EKF) pentru poziționare cu ajutorul

reperelor

Modelul matematic al filtrului Kalman extins pentru corecţia poziţiei vehiculului

inteligent autonom, utilizând datele odometrice şi informaţiile reperelor este descris după

modelul din [95].

Vectorul de condiţie conţine poziţia actuală a vehiculului (xr, yr, vr, ϴr), cât si poziţia

absolută a reperelor sub forma (xn, yn ). Dimensiunea vectorului este 4+2n unde n reprezintă

numărul reperelor.

3.6.14. Modulul de planificare a traiectoriei „Trajectory planning”

Acest modul realizează o planificare optimă a traiectoriei pe baza interfeţei comune de

transfer a modului de generare a hărţii. Acesta conţine calculul traiectoriei pe baza curbelor

Bezier şi a câmpului potenţial.


30

O serie de factori sunt de luat în vedere pentru stabilirea unui model robust de

extragere a informaţiei relevante din mediu şi utilizarea acesteia pentru interpretarea scenei,

respectiv pentru stabilirea traiectoriei de deplasare a vehiculului autonom.

Mediul de operare al unui vehicul autonom poate fi determinat printr-o descriere

continuă geometrică sau prin intermediul unei hărţi. Primul pas în planificarea traiectoriei îl

reprezintă transformarea posibilelor medii în modele discrete de hartă pretabile pentru

alegerea algoritmului de deplasare.

În funcţie de modul în care influenţează descompunerea mediului, planificatoarele de

traiectorie se împart în trei strategii generale:

1. Hartă cu trasee: în acest sens se identifică o serie de rute posibile în spaţiul liber.

2. Descompunere în celule (grid): se realizează o discriminare între celulele ocupate şi

celulele libere a mediilor statice.

3. Câmp potenţial: în acest sens se impune o funcţie matematică pentru deplasare în

spaţiu

Deplasarea unui vehicul autonom între punctele de start şi locaţia ţintă trebuie

realizată având în vedere o traiectorie optimă reprezentând o galerie de transport de maximă

siguranţă, fără coliziuni şi calculată rapid. O astfel de cerinţă este satisfăcută de metoda

câmpurilor potenţiale. În acest sens, traiectoria calculată depinde de mediul de navigaţie, de

obstacolele identificate anterior şi reprezentarea cât mai corectă a acestora. Un optim al

traiectoriei de deplasare nu este reprezentat doar de calculul celui mai scurt drum de parcurs.

Figura 3.33: Stabilirea traiectoriei vehiculului cu ajutorul metodei câmpurilor potenţiale [34]

Există o serie de metode sugerate care tratează fenomenul de minim local. Apariţia

acestui fenomen determină vehiculul la oprire şi respectiv la imposibilitatea de a merge mai

departe. O idee de a evita minimul local este de a încorpora câmpul potenţial într-un

planificator inteligent astfel încât vehiculul să utilizeze informaţia derivată de la senzori, dar

să realizeze o planificare totuşi globală [27].

3.6.15. Modulul de evitare a obstacolelor „Track deviation”

Acest modul conţine algoritmi de evitare a obiectelor pentru o navigare sigură, fără

coliziuni. Aici se realizează şi o comparaţie între curba calculată şi curba efectiv parcursă de

către vehicul.

Evitarea obiectelor se concentrează pe modificarea traiectoriei de deplasare cu ajutorul

informaţiilor de la senzori. Mişcarea robotului este atât o funcţie a datelor actuale ale

senzorilor, cât şi a poziţiei relative a punctului ţintă. O serie de algoritmi şi tehnici de evitare a

obiectelor sunt prezentate în [42]. Algoritmii simpli, care utilizează doar datele actuale ale


31

senzorilor pentru evitarea coliziunilor, sunt preferaţi în acest caz datorită simplităţii şi vitezei

rapide de reacţie a sistemelor de detecţie având la bază doar informaţiile actuale ale

senzorilor.

Un model pentru un astfel de mecanism este prezentat mai jos.

Figura 3.35: Mecanism de evitare a obstacolelor

3.6.15.1. Evitarea obiectelor prin stabilirea traiectoriei cu ajutorul curbelor

specifice:

Curba Bezier este definită de două puncte de control. Celelalte reprezintă punctul de

început şi de sfârşit al acestei curbe. Punctele de control determină curbura acestei funcţii.

Integrarea în planificarea traiectoriei vehiculelor autonome presupune stabilirea valorilor

punctelor de control ca fiind acceleraţii ale vehiculului, prin aceasta realizându-se stabilirea

unei curbe optime de evitare a obstacolelor.

Integrarea acestor puncte teoretice se realizează atât în cazul clotoidelor, cât şi în cel al

curbei Bezier cu ajutorul unei matrici VP.

(3.51 )

Luând în considerare o deplasare cu viteză constantă, în timpul manevrei de evitare

este calculat segmentul de deplasare următor. În acest caz, segmentele de deplasare sunt

segmente dintr-o curba clotoidă, o funcţie care îşi schimbă curbura proporţional cu lungimea.

0000

0000

0000

0000

3000

14

13

12

11

0000

dxpR

dxpR

dxpR

dxpR

VP


32

Figura 3.38: Segmentele de curba pentru stabilirea traiectoriei de evitare

3.7. Cartografierea probabilistică ca metodă alternativă de navigaţie

Există o serie de avantaje ale utilizării grilelor de ocupare în ceea ce priveşte realizarea

computaţiei în timp real, exactitatea şi robusteţea însă depinzând de ajustarea parametrilor,

respectiv a metodei de lucru. Aspectele cele mai importante privind cartografierea

probabilistică a vehiculelor inteligente autonome sunt detaliate în ceea ce urmează.

3.7.1. Metoda Bayes. Generalităţi

3.7.2. Derivarea cu metoda Bayes

Pentru derivare s-au utilizat relaţii de calcul similare cu cele din [124], având o

implementare proprie cu specificul problematicii definite.

În prima fază este importantă definirea domeniului de măsură, pentru a determina

probabilitatea de detectare a obiectelor.

Valorile tolerate şi valorile măsurate sunt cele care determină probabilitatea de

detectare a obiectelor conform relaţiilor determinate.

Cartografierea cu grile de probabilitate se realizează definind o grilă care conţine

probabilităţi stabilind condiţia de ocupare a celulelor. Grila este definită ca fiind staţionară, în

acest sens obiectele se deplasează din celulă în celulă în interiorul grilei.

Datorită dependenţei de dimensiune a celulelor individuale care influenţează

intensitatea calculului, abordarea este una care vizează doar un sector limitat (50x30 m).

(3.57)

Pentru iniţializare, fiecărei celule îi este atribuită valoarea 0,5 ca probabilitate.

În momentul în care este detectat un obiect, valoarea probabilităţii celulelor ocupate tinde spre

1 în timp ce valoare celulelor libere scade la 0. Precizia metodei depinde de mărimea celulei si

de probabilitatea de detecţie a senzorului.


33

Figura 3.42: Grila de ocupare

În principiu din cele două probabilităţi rezultă una din configuraţiile ocupat sau

neocupat însumând valoarea unu.

Actualizarea grilei de ocupare reprezintă un punct de inflexiune pentru performanţele

sistemului de calcul. În principal, după fiecare punct generat de către senzor, probabilitatea

grilei ar trebui actualizată complet. Pentru acesta cartografierea în timp real depinde de

puterea de procesare a sistemului computaţional şi de mărimea celulelor definite, responsabile

şi pentru valoarea probabilităţii de poziţionare a obiectelor identificate.

3.8. Concluzii

Pentru a avea succes în integrarea metodelor de cartografiere şi planificare a

traiectoriei nu este suficient să se aibă în vedere doar arhitectura de navigaţie, sunt importante

aspectele tehnologice de calcul, control şi memorie. Designul arhitectural general reprezintă

aria inovativă a viitorului în realizarea vehiculelor inteligente. Implementarea algoritmică

necesită o atenţie deosebită datorită limitării de sistem ceea ce face proiectul diferit de alte

abordări actuale. Scopul acestei implementări o reprezintă independenţa faţă de sistemele de

operare pentru atingerea unei procesări în timp real. Cunoaşterea algoritmică la nivel

embedded asigură robusteţe implementării şi simplitate în procesare.

Următorii paşi au fost realizaţi în etapa de dezvoltare algoritmică şi simulare

reprezentând totodată şi contribuţii proprii:


34

a fost creat un mediu software care conţine un modul separat pentru generarea unei

hărţi virtuale şi calculul traiectoriilor de deplasare ale vehiculelor non-holonomice;

a fost realizată o reducere a datelor consistentă prin filtrarea şi selectarea datelor

relevante prin dezvoltarea algoritmilor de extragere a particularităţilor pornind de

la senzorii modelaţi software;

a fost integrat un concept de filtru Kalman care să permită localizarea vehiculului

prin extragerea de repere din mediul de navigaţie;

la nivel strategic a fost realizată o interfaţă care permite precizarea traiectoriei de

deplasare dorite şi obţinerea unui set de date care sunt folosite efectiv în comanda

vehiculului autonom;

urmărirea unei traiectorii în lipsa obstacolelor ;

implementarea unei tehnici de evitare a obstacolelor bazată pe segmente de curbe

speciale (clotoidă si curbă Bezier);

a fost realizat un concept de cartografiere cu ajutorul metodelor de calcul

probabilistic, metoda alternativă la conceptul de cartografiere şi localizare prin

extragerea de particularităţi.

Datorită preciziei care este necesară în navigarea vehiculelor autonome, metoda

probabilistică devine una agreată doar în cazul spaţiilor mici. Limitarea preciziei coincide cu

mărimea celulelor. Acest fapt implică totodată şi o performanţă a puterii de calcul.

Nivelul de simulare asigură posibilitatea unei dezvoltări rapide a conceptelor de

cercetat. În acest sens, se urmăresc totodată şi posibilităţile de implementare practică în

paralel cu realizarea simulării.

Teste şi aplicaţii de navigaţie ale vehiculului autonom

35

CAPITOLUL 4: TESTE ŞI APLICAŢII DE NAVIGAŢIE

ALE VEHICULULUI AUTONOM

„Practica este totul“ (Periander)

4.1. Modelul infrastructurii de comunicaţie utilizat pentru realizarea testelor

Datorită necesităţii de optimizare a procesului de cartografiere în vederea localizării

VIA abordarea evaluării sistemului a fost realizată în două etape:

1. Simulare cu ajutorul MATLAB Embedded şi Simulink

2. Experimentarea cu ajutorul unui vehicul realizat la scara 1:8

În simulare au fost utilizate modele ale senzorilor pentru evaluarea metodelor precum

şi o limitare de sistem în ceea ce priveşte atingerea performanţelor ulterioare în transferul

simulării pe VIA.

Astfel algoritmii testaţi în prealabil în mediul simulat şi care au fost descrişi anterior

au fost evaluaţi în timpul aceluiaşi scenariu reprezentând un mediu de scanare tip coridor cu

obiecte.

Algoritmii sunt rulaţi utilizând un procesor de calcul la 3,3 GHz pentru partea simulată

utilizând un sistem de operare Windows 7. Transferul software este realizat prin compilarea

programului realizat cu ajutorul funcţiilor Embedded către un PC target montat pe VIA.

Comunicaţia este una wireless standard 802.11 şi 2,4 GHz. Iar ţinta este un sistem PC

104 embedded industrial având posibilitatea rulării aplicaţiilor în timp real datorită sistemului

de operare xPC din pachetul software de la MATLAB.

Figura 4.1: Sistemul de comunicaţie a VIA reprezentând Host-Target

WLAN

Host PC Target PC

Scaner laser / senzori

ultrasonici

Embedded Software Control de

urgenţă

http://www.rightwords.ro/citate/detalii-citat/267/technologia-este-un-mod-de-a-organiza-universul-...


36

Schimbul de date permite vizualizarea rezultatelor într-o interfaţă grafică în care sunt

afişate datele senzorilor sub formă punctiformă şi datele odometrice ale sistemului privind

poziţia în direcţiile x şi y, cât şi a vitezei de deplasare şi a distanţei parcurse.

Harta virtuală este generată în timp real prin unitatea de procesare a algoritmilor care

reprezintă totodată şi unitatea de comandă şi control a VIA, iar datele sunt trimise către

calculatorul de monitorizare (host).

4.2. Compararea datelor celor două sisteme separate de odometrie

Pentru a evalua datele provenite de la senzorii de odometrie au fost realizate

măsurători comparative cu cele două sisteme. Valorile indică faptul ca valoarea senzorilor

odometrici este mai precisă. Valoarea senzorilor de inerţie, conţinuţi în GIGABOX ia în

calcul şi eventualele înclinări ale vehiculului pe parcursul deplasării acestora, acest aspect

nefiind subiect al cercetării de faţă.

Figura 4.3: Valori comparative ale senzorilor odometrici

De observat este faptul că în acest caz modulul GIGABOX oferă o precizie mai mare,

datorată senzorilor integraţi.

4.3. Cartografierea mediului

Testele cu vehiculul la scară 1:8 s-au desfăşurat în condiţii de laborator. Obstacolele

poziţionate de-a lungul traseului au dimensiuni diferite, dar sunt apropiate ca şi gabarit de

dimensiunile VIA-ului. După realizarea mai multor teste în cadrul aceleiaşi scene s-a hotărât

să se modifice valoarea sample-time-ului de la 0.01sec la 0.05 sec pentru a permite o

descărcare a procesorului calculatorului de proces xPC. Modulul de odometrie poate furniza

date cu o precizie de aproximativ 500mm pentru 10m parcurşi.


37

Pentru viteze mai mari de 3 m/s apar erori ale sistemului de odometrie lucru ce, corelat

cu performanţele de scanare ale laserului, duce la o eroare de poziţionare de până la 10%.

Figura 4.8: Cartografierea mediului în timp real cu aplicaţia rulată pe unitatea de procesare de pe VIA

4.4. Implementarea filtrului Kalman pentru îmbunătăţirea odometriei vehiculului

autonom în procesul de cartografiere

Descrierea modelului din capitolul anterior este una generală, bazându-se pe conceptul

de predicţie a poziţiei vehiculului autonom. O parametrizare a mărimilor utilizate este descrisă

în ceea ce urmează. Se consideră operarea vehiculului într-un sistem de coordonate cartezian.

Se definesc variabilele de intrare:

dt=0.1 coincide cu sample-time-ul adoptat in modelul software

amax=30 determinat experimental

thetamax= 1,57 determinat experimental

Vectorul de stare este inițializat ca un vector gol:

[

] (4.1)

Matricea covarianţelor este iniţializată ca:

[

] (4.2)

Modelul sistemului este dat de matricea:


38

[

( ) ( )

] (4.3)

Modelul măsurărilor este dat de:

[

] (4.4)

Zgomotul sistemului este definit de:

[ ( (

) ( ))

( (

) ( ))

( ) ]

(4.5)

Zgomotul de măsurare este definit ca:

[

] (4.6)

În prima fază au loc următoarele calcule:

Se calculează starea prezisă:

xpred = A•xest (4.7)

Matricea covarianţelor devine:

ppred = A•pest•A’+Q (4.8)

În faza de actualizare a măsurătorii au loc următoarele calcule:

Se calculează factorul Kalman;

( ) (4.9)

Se actualizează starea prin estimarea:

xest = xprd+Klmgain• ( z - H• xprd) (4.10)

Implementarea de mai sus este evidenţiată grafic prin definirea următorului test în care

se urmăreşte traiectoria calculată şi cea reală a vehiculului în vederea închiderii unei bucle de

navigaţie.

Cu ajutorul acestui model se rezolvă următoarele probleme caracteristice:

erori ale odometriei în modelul cu tracţiune integrală;

erori ale odometriei prin alunecarea roţilor;


39

erori de măsură datorate senzorilor de măsurare a unghiului şi de impuls;

dependenţa de temperatură a senzorilor.

Figura 4.10: Diferenţa dintre traiectoria calculată şi traiectoria reală a vehiculului

Se observă tendinţa de pendulare în jurul valorilor de odometrie în scopul minimizării

erorii de poziţionare prin egalare. Pentru extragerea particularităţilor, modelul este extins cu

coordonatele punctelor măsurate. Valorile de viteză şi acceleraţie sunt de asemenea indicate

pentru analiza liniarităţii în deplasare. Se observă mici diferenţe care sunt datorate comenzilor

furnizate motoarelor de către unitatea de comandă şi control.

4.4.1. Cartografierea unui mediu prin extragerea de particularităţi

Următoarea situaţie este definită pentru cartografiere. Sunt analizate particularităţile

extrase prin aplicarea algoritmului extDCE descris în capitolul trei.

Figura 4.14: Scena mediului de cartografiat (testare in Laborator)

Reprezentarea în interfaţa grafică (GUI) a situaţiei de mai sus indică obiectele

identificate prin liniile extrase.


40

Figura 4.15: Reprezentarea în interfaţa grafică GUI a datelor de cartografiere

Se observă o dublare a liniilor în reprezentare, fenomen datorat reflexiilor senzorilor şi

impreciziei acestora, dar şi datorită deplasării dinamice a vehiculului şi implicit revederea

acestor obiecte în timpul deplasării. Mai jos sunt reprezentaţi parametrii relevanţi pentru

extragerea particularităţilor din mediul de testare.

Tabelul 4.3: Parametrii de evaluare pentru extragerea de particularităţi

algoritm extDCE Unitate de măsură

Distanţa parcursă 4,10 m

Nr. obiecte ext. 3

Nr. obiecte int. 3

Linii extrase 26

Puncte neasociate 15

Deviaţie în direcţia x 0,05 m

Deviaţia în direcţia y 0,02 m

Viteza maximă 0.62 m/s

Acceleraţie maximă 17 m/s2

Rata de giraţie maximă 1,8 °/s

Figurile de mai jos indică valorile parametrilor înregistrați pe parcursul realizării

testelor. Importante sunt deviațiile in direcțiile x şi y a vehiculului pentru valorile de estimare

a filtrului Kalman.

Valorile vitezei şi a acceleraţiei vehiculului sunt analizate în scopul transmiterii

mişcărilor de la sistemul de comandă al vehiculului. Se observă o cădere de semnal în zona de

calcul a diferenţei de reglare.


41

4.4.2. Manevra de schimbare a perspectivei de scanare

Un test care are la bază schimbarea perspectivei de reprezentare a obiectelor în spaţiul

de navigaţie se referă la situaţia de mai jos. În acest sens traiectoria este calculată cu ajutorul

curbelor Bezier, iar deplasarea se realizează cu ajutorul matricei VP. Această aplicaţie

urmăreşte extragerea muchiilor reprezentate în forma literei „L” pentru o reprezentare cât mai

corecta a muchiilor obiectelor utilizate în scena de testare.

O limitare a reprezentării este descrierea obiectelor prin linii simple. Pentru geometrii

complexe ale obiectelor este posibilă suprapunerea contururilor. Pentru asocierea liniilor în

cazul obiectelor reprezentate doar parţial se impune o re-scanare a obiectului din altă

perspectiva cu ajutorul unui alt senzor în cazul în care acesta este disponibil. Abordările

similare nu iau în calcul acest fenomen, plecând de la premisa unei scanări complete a

obiectului printr-o singură etapă. Pentru generarea liniilor trebuie îndeplinite criteriile

algoritmului de extracţie. Minimum trei puncte sunt necesare pentru a extrage o linie, iar în

cazul neasocierii acestora se realizează în prima fază o reprezentare dublă, după care se

verifică posibilităţile de reducere a datelor prin caracteristicile comune (pantă) ale liniilor.

Figura 4.19: Reprezentarea în interfața grafică (GUI) a manevrei de schimbare a perspectivei de scanare


42

Valorile înregistrate pe parcursul executării manevrei sunt reprezentate mai jos. Se

observă în acest caz o deviaţie în direcţiile x şi y în timpul schimbării direcţiei de deplasare.

Viteza şi acceleraţia prezintă o inflxiune în momentul în care este realizată trecerea de pe o

parte a obiectelor în cealaltă, după care valoarea acestora se menţine constantă.

Tabelul 4.4: Parametrii de evaluare pentru extragerea de particularităţi

Algoritm extDCE Unitate de măsură

Distanţa parcursă 4,6 m

Nr obiecte 2

Linii extrase 9

Puncte neasociate 18

Deviaţia în direcția x 0,04 m

Deviaţia în direcția y 0,09 m

Viteza maxima 0.61 m/s

Accelerație maxima 16 m/s2

Rata de girație maxima 31 °/s

Unghiul giroscopic 50 °

4.5. Reprezentarea vizuală a mediului de navigaţie

4.5.1. Identificarea marcajelor de ghidare în spaţii dedicate

Pentru a iniţia un proces de ghidare într-un spaţiu de manipulare, trebuie îndeplinite

următoarele criterii:

identificarea corectă a spaţiului;

verificarea realizării manevrelor de ghidare în spaţiul identificat;

verificarea disponibilităţii momentane a spaţiului;

identificarea eventualelor obiecte (statice/dinamice) aflate deja în spaţiul de

manipulare.

Senzorii video reprezintă o soluţie optimă în detectarea marcajelor de ghidare, cât şi

pentru identificarea obiectelor de manipulat. În cele ce urmează este prezentat conceptul de

extragere a datelor necesare prin procesarea de date de imagine (video) pentru ghidarea

autonomă a unui vehicul inteligent. O transformare a reprezentării în aşa numita perspectivă

„bird view” este realizată. Aceasta presupune utilizarea unui model de transformare bazat pe

principiul funcţionării stetoscopiei (camera obscură).

Cu ajutorul Software-ului Matlab/Simulink este realizată captura video live care

este apoi transformată în tonuri de culoare gri pentru a focaliza strict pe informaţia necesară

extragerii de muchii.

Figura 4.23: Transformarea în tonuri de culoare gri (stânga) şi extragerea de muchii (dreapta)


43

Matricea imaginii este modificată prin atribuirea proprietăţii 0 sau 1 muchiilor

identificate, astfel încât extragerea muchiilor din fundal se realizează pe acest criteriu de

culoare diferenţial (Sobel).

4.5.2. Transformarea în spaţiul Hough a liniilor extrase

4.5.3. Transformarea muchiilor extrase şi limitarea domeniului identificat prin atribute

de linie

Prin aplicarea funcţiei de maxim local se caută în spaţiul dual al transformării Hough

după cea mai lungă dreaptă, respectiv după punctele de început şi sfârşit ale domeniului în

care se găseste dreapta. Aceste informaţii sunt stocate într-o matrice având cele două valori

theta şi rho. Pentru evidenţierea modului de calcul sunt reprezentate mai jos figurile simulând

un spaţiu de navigaţie.

Figura 4.27: Drepte limitate de funcţia de maxim local în spaţiul Hough

Punctele generate reprezintă interfaţa către modulul de navigare bazat pe teoria

câmpurilor potenţiale. Se utilizează astfel informaţii minimale, dar reprezentative pentru

realizarea unei navigări în timp real.

4.5.4. Transformarea perspectivei cu ajutorul principiului camerei obscure

4.5.5. Reprezentarea marcajelor transformate

Capturile imaginilor au fost realizate în mediul de laborator reprezentând o suprafaţă

netedă cu marcaje predefinite. Camera video a fost montată pe un suport cu 400 [mm]

înălţime cu o înclinare de 35° faţă de suprafaţa de rulare a vehiculului autonom.

Perspectiva camerei este evidenţiată mai jos. De observat este faptul că podeaua are

porţiuni care reflectă lumina, ceea ce limitează sistemul în identificarea unor continuităţi,

problemă general discutată în domeniul de prelucrare video. Cu toate acestea, definind limita

de captură, se obţine un sistem robust cu posibilitatea utilizării marcajelor pentru ghidarea

vehiculelor inteligente autonome. Transformarea prin utilizarea modelului camerei obscure

oferă rezultate cu erori de măsură în domeniul [± 4 mm]. În ceea ce priveşte vehiculele non-

holonomice, necesitatea implementării unui sistem de detecţie a unghiurilor de înclinare la

accelerare de pe loc şi frânare este mare, fără un astfel de sistem nefiind posibilă corecţia de


44

poziţie a liniilor generate decât după stabilizarea imaginii şi implicit a sistemului care

navighează.

Figura 4.31: Transformarea perspectivei

4.6. Analiza persoanelor şi a obiectelor din mediul de navigaţie

Pentru a analiza obiecte dinamice şi persoane există posibilitatea unei abordări precum

cele descrise în [17] sau utilizând reţele Bayesiene dinamice cum este descris în [83].

Extragerea datelor precise este complicată de factori cum sunt ocluzia, zgomotul sau

confuziile apărute în fundal. Prin utilizarea metodei de flux optic (optical flow) se determină

modelul de mişcare aparent a obiectelor, suprafeţelor şi a marginilor (muchiilor) într-o scenă

cauzată de mişcarea relativă între un observator (camera video) şi scena. Datele specifice care

indică vectorii de modificare a direcţiei sunt observaţi iar în funcţie de aceştia se identifică

mişcarea obiectelor dinamice cu valori ale vectorilor de mişcare diferite faţă de restul scenei

capturate (fundal). Se face o distincţie între câmpul de mişcare şi fluxul optic.

Extragerea particularităţilor din fundal este realizată cu ajutorul algoritmului Lucas-

Kanade descris în [17]. Rezultatele extragerii de obiecte dinamice umanoide în acest exemplu

sunt reprezentate mai jos

Schema de mai jos indică fluxul informaţional al algoritmului video:

Figura 4.32: Fluxul de informaţii necesar pentru identificarea şi clasificarea obiectelor

În cazul VIA nu este neparată realizarea unei clasificări a obiectelor în mişcare, o

simplă identificare a acestora fiind suficientă pentru a determina vehiculul să ia măsuri de

siguranţă în ceea ce priveşte deplasarea în spaţiul activ.


45

Figura 4.32: Detectarea persoanelor prin extragerea fundalului

Prin extragerea fundalului se realizează o computaţie în două faze.

Zgomotul de imagine are un rol important în acest sens, iar cu ajutorul filtrelor acesta

poate fi minimizat.

Figura 4.34: Unghiurile relevante pentru identificarea persoanelor

Pentru determinarea direcţiei de deplasare a chenarului în cazul dinamic se calculează

diferenţa de poziţie pe direcţiile x şi y a acestuia în timpul t şi t-1.

Înălţimea este determinată relativ exact, în timp ce lăţimea obiectului rămâne

imprecisă. Cu toate acestea, algoritmul implementat reprezintă o metodă rapidă şi robustă în

implementare.

Figura 4.38: Valorile erorilor de abatere de la poziția reala a obiectului

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

eroarea medie de poziţie

distanţa

înălţimea

lăţimea


46

4.7. Concluzii

Cartografierea în mediul 2D este o metodă de reprezentare simplificată a conceptului

de navigaţie autonomă a vehiculelor inteligente. Privind un mediu specific de navigaţie, unde

obiectele de identificat au forme standard, cartografierea în acest spaţiu este suficientă în

detectarea obstacolelor şi a containerelor de manipulat. Pe de altă parte, localizarea proprie ca

proces simultan al cartografierii în mediul 2D se poate realiza cu succes în ceea ce priveşte

vehiculul autonom ca sistem independent. Pentru o mai bună reprezentare a mediului de

navigaţie şi pentru a deţine un control mai mare asupra sarcinilor pe care trebuie să le

îndeplinească un vehicul este necesară implementarea de sisteme adiţionale precum cele video

în vederea detectării de obiecte aflate în deplasare. La bază stă problema reprezentării

mediului, a fuziunii datelor de la diferiţi senzori cât şi posibilitatea îmbunătăţirii sistemului de

navigaţie complet în ceea ce priveşte precizia cartografierii şi localizării proprii, datele

odometrice nefiind suficiente pentru o localizare eficientă în timp. Algoritmii de reducere a

datelor utilizând extracţia particularităților bazate pe geometrii simple precum sunt liniile

reprezintă un avantaj în mediul specific. În acest sens, dezvoltarea unui sistem de scanare 3D

ar avantaja vizualizarea grafică nu însă şi procesarea în timp real a aplicaţiilor şi sarcinilor

unui vehicul inteligent autonom. Aceasta problemă depinde în mod direct de resursele de

calcul ale unităţii de procesare şi control. Deplasarea poate fi îmbunătăţită prin identificarea

marcajelor pe podea şi urmarea acestora cu ajutorul sistemelor de senzori vizuali.

Prin efectuare testelor s-au realizat următoarele:

evaluarea odometriei vehiculului prin comparaţia senzorilor disponibili;

îmbunătăţirea şi corecţia poziţiei vehiculului prin implementarea şi parametrizarea

filtrului Kalman;

reprezentarea mediului de navigaţie utilizând scene de laborator;

evaluarea particularităţilor extrase şi identificarea obiectelor cu ajutorul senzorilor de

proximitate;

analizarea valorilor parametrilor de navigaţie privind viteza de deplasare, poziţionarea

şi rata de giraţie;

implementarea şi evaluarea unui concept de identificare a marcajelor de pe podea cu

ajutorul senzorului video;

implementarea şi evaluarea unui concept de identificare şi reprezentare video a

obiectelor statice şi dinamice, cât şi a persoanelor din mediul de navigaţie.

Complexitatea mediului de navigaţie combină tehnici de reprezentare diferite. Având

în vedere simplificarea mediului de navigaţie pe cât posibil, reprezentarea acestuia este

realizată astfel încât să conţină informaţii relevante pentru o navigaţie corectă.

Aplicaţii in sistemul flexibil de fabricaţie din industria auto

47

CAPITOLUL 5: APLICAŢII ÎN SISTEMUL FLEXIBIL DE

FABRICAŢIE DIN INDUSTRIA AUTO

„Valoarea unei idei constă în aceea

că trebuie valorificată.” (T.A. Edison)

În cadrul sistemului CAM (Computer Aided Manufacturing) un loc aparte îl ocupă

sistemul flexibil de fabricaţie (FMS - Flexible Manufacturing System) Acesta se defineşte

diferit de la o ţară la alta, dar în esenţă este o unitate de producţie capabilă de a fabrica o gamă

(familie) de produse discrete cu o intervenţie manuală minimă. El cuprinde posturi de lucru

echipate cu capacităţi de producţie (maşini-unelte cu comandă numerică sau alte utilaje de

asamblare sau tratament) legate printr-un sistem de manipulare a materialelor, în scopul

deplasării pieselor de la un post de lucru la altul, funcționând ca un sistem integrat cu

comandă complet programabilă.

PP&C

Planificarea

capacităţilor şi a

resurselor

CAM fabricatia produsului

programare CNC/FMS

CAQ

Activităţi

legate de

calitate stoc transport fabricaţie asamblare

flux de materiale Figura 5.2: Rolul tranportului în sistemul de fabricaţie

Flexibilitatea manipulării, se poate realiza prin utilizarea sistemelor de transfer

automate şi/sau robotizate de tip: robocare, sisteme de orientare şi transport ce utilizează

manipulatoare automate şi roboti, linii automate de transfer, magazii, depozite automatizate,

asociate cu conducerea asistată de calculator, capabile de a urma noi traiectorii în cazul

blocării unui post de lucru. Flexibilitatea în transfer a unui sistem dat se exprimă ca raport

dintre numărul de traiectorii pe care sistemul le poate realiza şi numărul de traiectorii posibil

de realizat de un sistem universal.

(5.1)

Prin flexibilitatea programului, fabrica funcţionează virtual nesupravegheat pentru o

lungă perioadă de timp. Aceasta reduce timpul total de prelucrare prin micşorarea timpului de

reorganizare, introduce unele proceduri în urma cărora se pot obţine produse de înalta calitate

şi precizie şi conduce la o creştere în eficienţă a capacităţii de producţie a sistemului.

Sunt realizate în acest sens:

o îmbunătăţire simultană a productivităţii şi a calităţii;

o reducere a timpului total odată cu creşterea efectivă a capacităţii sistemului de a

produce nesupravegheat.

O evaluare a flexibilităţii programului se poate face în funcţie de timpul câştigat prin

eliminarea reorganizărilor raportat la timpul total de prelucrare.

(5.2)


48

Comparativ cu flexibilitatea produsului, flexibilitatea producţiei necesită organizări

considerabile, dar nu neapărat investiţii suplimentare de capital.

Flexibilitatea producţiei rezultă din capacitatea de agregare a flexibilităţii maşinilor si a

sistemului de transfer, la care se adaugă flexibilitatea sistemului informatic şi de control.

5.1. Modelarea şi simularea mediului de navigaţie într-un sistem flexibil de fabricaţie cu

şase celule de lucru active

Pentru studiul comportamentului sistemului flexibil de fabricaţie operat de un singur

vehicul ghidat se consideră următorul caz cu schema aferentă având componentele descrise

mai jos. Configuraţia reprezintă un model generalizat în cadrul unui sistem de fabricaţie cu

operaţii automate, existent în cadrul „Heilbronn University”.

Figura 5.8: Layout-ul sistemului de fabricaţie cu şase celule de lucru deservite de VIA

Fiecare celulă deservită de robotul mobil este dotată cu o banda de transfer care face

legătura între maşina unealtă care realizează prelucrarea şi platforma robotului mobil prin

intermediul navetelor. Stabilirea fluxului de material este realizată depinzând de programul de

producţie adoptat. Vehiculul autonom se deplasează pe o linie virtuală cu o prioritate stabilită.

În staţiile în care se opreşte realizează schimbul de material necesar.

Tabelul 5.1: Componentele sistemului flexibil de fabricaţie

Celule operate

de VIA

1 2 3 4 5 6

Depozit

automat

Celula

de

strunjre

Celula cu

brat

robotic

Centru de

prelucrare

prin frezare

Presa Celula de

injecţie

Celule operate

de factor uman

7 8 9

Laborator de

proiectare

Laborator de

calitate

Celula de montaj


49

Navigarea este realizată cu ajutorul unui sistem de senzori laser şi ultrasonici montaţi

pe vehicul, fără alte surse externe de navigaţie sau localizare.

Preluarea şi predarea mărfii transportate este manipulată de senzori de prezenţă la

capătul liniilor de transfer ale celulelor de lucru. VIA asigură funcţionarea fiecărei staţii de

lucru în mod individual.

Figura 5.11: Legături tehnologice posibile

Odată cu reducerea vitezei obiectele din mediu sunt revăzute, iar asocierile se pot

realiza pentru reducerea de date. Se observă o creştere a numărului de linii reduse pentru

cazul vitezelor de deplasare mici.

Figura 5.15: Reprezentarea mediului de navigaţie la viteze diferite de deplasare

viteza >10 m/s viteza <3 m/s

puncte neasociate 72 7

linii reduse 4 15

obiecte extrase 18 44

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Reprezentarea mediului de navigaţie


50

Studiul comportamentului VIA în navigaţie este realizat considerând problematica descrisă în

sistemul cu 6 celule de lucru active (CL).

Se observă o reducere consistentă de date în cazul obiectelor revăzute din timpul

navigaţiei vehiculului. Practic ~20% dintre obiectele extrase reprezintă linii reduse. Numărul

punctelor neasociate este determinat fie de domeniul de senzitivitate, respectiv al regiunii de

interes în care scanează activ vehiculul, fie de efectul dinamic determinat de deplasarea

acestuia neliniară.

Figura 5.18: Operarea celulelor de lucru de către VIA

Particularităţile extrase din mediu sunt măsurate diferit în urma fiecărui transfer

realizat pentru a evidenţia asocierile, respectiv numărul de puncte neasociate din cadrul

mediului scanat.

Figura 5.19: Reprezentarea mediului de navigație a aplicaţiei pe transfer

De observat este creşterea numărului de puncte neasociate la un număr maxim în

timpul transferului trei, care coincide cu preluarea pieselor de la celula de injecţie şi

transferarea acestora în depozitul automat. Tot aici se găseşte şi cel mai mare număr de linii

transfer1 transfer2 transfer3 transfer4 transfer5 transfer6

puncte neasociate 12 18 25 34 29 22

linii reduse 4 7 16 12 8 5

obiecte extrase 15 12 32 28 18 21

0%

20%

40%

60%

80%

100%

Reprezentarea mediului de navigaţie


51

reduse datorat re-observaţiei de muchii din timpul navigaţiei prin realizarea manevrelor

specifice.

Timpii de navigaţie sunt reprezentaţi comparativ mai jos, avem astfel pentru transferul

numărul şase cel mai lung timp.

Figura 5.20: Reprezentarea timpului de navigație a aplicației pe transfer

Pentru calculul timpului operaţional se iau în calcul următorii parametrii tehnologici

valabili pentru cele şase celule de lucru active.

Figura 5.21: Reprezentarea timpului de navigaţie a VIA

Timpul de transfer reprezintă aproximativ 43 % din timpul necesar realizării

operaţilor. În vederea îmbunătăţirii acestor timpi de transfer, sunt necesare îmbunătăţiri la

nivel strategic.

timp navigaţie (s)

0

20

40

60

80

transfer1transfer2 transfer3 transfer4transfer5

transfer6

transfer1 transfer2 transfer3 transfer4 transfer5 transfer6

timp navigaţie (s) 42 34 51 46 36 61

Reprezentarea timpului de navigaţie pe transfer

0

200

400

600

800

timp în s

timp în s

timp operare VIA 270

timp total operaţii 627

Reprezentarea timpului de navigaţie a VIA


52

5.1.1. Modelarea şi simularea aplicaţiei cu ajutorul grilelor de ocupare

O abordare alternativă de reprezentare a mediului de navigaţie studiat o reprezintă

împărţirea mediului de navigaţie în celule după conceptul dezvoltat în subcapitolul 3.7.

Celulele sunt definite ca având dimensiuni de 1x1 m. În cadrul acestora sunt analizate

probabilitățile de detectare. Figura de mai jos indică gradul de ocupare al grilei în

reprezentarea de coordonate globale. O celulă poate conţine mai multe puncte rezultate în

urma detecţiei cu ajutorul scanerului laser. În acest sens reducerea de date se realizează prin

stabilirea mărimii celulei. Totodată aceasta influenţează şi precizia de detecţie a obiectelor

privind amplasarea acestora în spaţiu.

Figura 5.22: Reprezentarea mediului de navigaţie cu ajutorul grilelor de ocupare

Având în vedere mărimea celulelor, acestea pot fi prelucrate mai rapid atunci când

dimensiunile acestora sunt mari, o împărțire a celulelor în celule mici necesitând o intensitate

de computaţie adeseori peste limitele sistemului de calcul.

Pentru cazul de faţă avem 50x30 celule, adică 1500 de calcule pentru fiecare punct măsurat

care necesită o actualizare.

Reprezentarea mediului are următoarele caracteristici:

puncte de măsură ale scanerului laser în domeniul de toleranţă a acestuia

celule ocupate conţinând punctele de măsură a distanţelor

celule libere actualizate

Figura 5.23: Caracteristicile de navigaţie a mediului

0500

10001500

celulele mediului

celule libere 1338

celule ocupate 162

valori măsurate 972

Caracteristicile de navigaţie a mediului


53

Se observă un grad de ocupare relativ redus, doar 10,8% din celule sunt ocupate.

Toleranţa domeniului de precizie a scanerului laser atribuie valori şi celulelor învecinate. Se

obţine astfel o eroare atât în reprezentare cât şi în determinarea distanţei minime între vehicul

şi o celulă ocupată, traseul acestuia fiind posibil de stabilit doar cu ajutorul celulelor libere.

5.2. Concluzii

Beneficiile flexibilităţii sunt căutate în fiecare sistem de fabricaţie, aceasta reprezintă

strategia de fabricaţie actuală. Fezabilitatea acesteia însă este dovedită doar sub controlul

complet al tehnologiei.

Fabricile, dar şi procesele sunt prea costisitoare pentru a fi reconstruite de fiecare dată

când se cere o modificare a designului de producţie. În acest sens se cere ca acestea să fie

flexibile şi uşor configurabile. Pentru reconfigurarea proceselor este necesar un control direct

asupra elementelor, iar pentru acest lucru este recomandată configurarea unei reţele de

comunicaţie puternice şi stabile care să acopere atât necesităţile maşinilor care operează, cât şi

a operatorilor. Producţia centralizată reprezintă o componentă a trecutului, actual se încearcă

defalcarea activităţilor prin acordarea de încredere sistemelor individuale de procesare din

categoria cărora fac parte şi vehiculele de transfer.

Aplicaţia dezvoltată prezintă în detaliu următoarele puncte cheie cercetate şi

implementate evidenţiind contribuţii în:

analiza de flux al manipulării materiei prime privind transportul dintr-un sistem flexibl

de fabricaţie;

modelarea şi integrarea software a sistemului de fabricaţie pentru analiza conceptului

de navigaţie dezvoltat;

reprezentarea mediului de navigaţie prin analiza particularităţilor extrase din timpul

navigaţiei în scopul identificării corecte a obiectelor din mediul specific;

analiza timpilor de transfer între celulele active de lucru;

analiza fenomenelor specifice care apar în domeniul de navigaţie a unui sistem flexibil

de fabricaţie;

studierea alternativă a reprezentării mediului cu ajutorul celulelor de ocupare

prezentând avantaje şi dezavantaje în utilizare.

Reprezentarea mediului de navigaţie şi extragerea datelor din acesta este o

componentă importantă fără de care nu s-ar fi putut realiza autonomia unui vehicul. Deşi

există o limitare în ceea ce priveste spaţiul de navigaţie, caracteristicile extrase asigură o

navigare în timp real prin simpla prelucrare algoritmică a particularităţilor extrase din mediu.

Pe baza acestui concept, atât mediul cât şi vehiculul care operează în acesta devin

componente de navigaţie interconectate la nivel software, fără să existe o legatură fizic

vizibilă; vorbim din acest punct de vedere de un sistem flexibil autonom.

Concluzii şi direcţii viitoare de cercetare

54

CAPITOLUL 6: CONCLUZII ŞI DIRECŢII

VIITOARE DE CERCETARE

Posibilitățile unui vehicul de a se deplasa autonom într-un mediu structurat sau

nestructurat fie acesta în spaţiul intern sau extern şi de a realiza o hartă virtuală în care să se

localizeze, reprezintă aspecte importante ale dezvoltării sistemelor de navigaţie utilizate atât

în industria de fabricaţie, cât şi în celelalte domenii care implică transportul.

În cadrul proiectului de cercetare evidenţiat prin prezenta teza a fost implementat

conceptul de navigaţie autonomă unui vehicul în două etape:

1. Realizarea unui concept software care să permită modelarea şi simularea

comportamentului algoritmilor dezvoltaţi şi a senzorilor modelaţi;

2. Realizarea unui vehicul autonom la scară, care să permită testarea şi

implementarea conceptelor.

Prima fază a cercetărilor cuprinde o analiză a posibilităţilor de implementare a

conceptului de cartografiere şi localizare proprie SLAM. Au fost dezvoltaţi şi programaţi

algoritmi proprii de extragere a particularităților prin extinderea algoritmului DCE existent în

scopul simplificării mediului reprezentat în timpul navigaţiei vehiculului. Necesitatea de

localizare în spaţiul cartografiat a condus la examinarea posibilităţilor existente şi dezvoltarea

unui concept de localizare utilizând un cvasi spaţiu Hough pentru extragerea şi reidentificarea

reperelor din mediul analizat. Abordarea alternativă a cartografierii şi a localizării prin analiza

grilelor de ocupare a evidenţiat posibilitatea de implementare a unei metode de calcul

probabilistic. Având ca premisă atingerea unui timp de procesare în timp real, algoritmii de

calcul au fost programaţi în cod efectiv, maximizând astfel posibilităţile de implementare ale

acestora pe sistemul de calcul dedicat (embedded). Prin acest lucru s-a asigurat dezvoltarea

unei platforme independente de programare şi calcul, utilizând sistemele vehiculului fără un

sistem de operare adiţional din categoria Windows / Linux sau a bibliotecilor de date externe,

care să augmenteze costurile, ceea ce face ca cercetările să fie diferite faţă de multe abordări

actuale. Evidenţierea rezultatelor şi a contribuţiilor din prima etapă sunt prezentate mai jos.

Contribuţii teoretice

realizarea unui studiu privind posibilitățile de dezvoltare ale vehiculelor autonome

bazat pe cercetările actuale ale principiilor de funcţionare ale vehiculelor de

manipulare din industrie;

stabilirea unui concept de navigaţie bazat pe extragerea de particularităţi şi SLAM

pentru recunoaşterea mediului atât intern, cât şi extern;

dezvoltarea unui algoritm propriu de extragere a liniilor şi reducere a datelor rezultate

în urma realizării unei hărţi virtuale;

analiza şi evaluarea comparativă a algoritmilor disponibili pentru validarea

conceptului;

realizarea unei metode de extragere a reperelor necesare localizării vehiculelor

utilizând un cvasi spaţiu Hough;

modelarea unui filtru Kalman extins în vederea corecţiei poziţiei de deplasare a unui

vehicul autonom integrând particularităţi;


55

stabilirea unei metode de evitare a obstacolelor cu ajutorul unei matrici de proces

utilizând curbe specifice;

cercetarea şi modelarea unei metode de cartografiere alternative bazată pe metode

probabilistice de cartografiere;

realizarea unui studiu privind aplicabilitatea şi implementarea metodelor cercetate;

realizarea unui concept de reprezentare a persoanelor şi a obiectelor dinamice din

cadrul mediului de navigaţie;

realizarea unui concept de navigaţie bazat pe identificarea marcajelor din spaţiile

dedicate;

studiul comportamental al vehiculului în timpul navigaţiei acestuia într-un spaţiu de

fabricaţie având la bază cele două concepte de reprezentare a mediului.

În a doua etapă s-a realizat implementarea cercetărilor teoretice prin realizarea unui

prototip existent fizic reprezentând un pas important în analizarea comportamentului atât a

conceptelor, cât şi a software-ului dezvoltat. Prin stabilirea unui concept de comunicaţie bazat

pe tehnologia target-host a fost realizată o componentă importantă în ceea ce priveşte

utilizarea şi monitorizarea activităţii vehiculului pe parcursul funcţionării acestuia. Deoarece

odometria s-a dovedit a fi imperfectă a fost implementat un filtru Kalman capabil de a corecta

poziţia acestuia pe parcursul navigaţiei fără alte sisteme adiţionale precum tehnologia GPS,

limitată de aplicaţii în spaţii interne. Prin dotarea vehiculului cu o arhitectură de senzori

diferiţi s-a dorit eliminarea dependenţelor vehiculului de mediu, reprezentând totodată şi

trendul în actuala abordare a sistemelor automate. Divergenţele dintre abordarea teoretică şi

cea practică au evidenţiat o diferenţă clară atât la nivel de abordare, cât şi la nivel de

implementare, adesea fiind nevoie de o intervenire la nivel software şi, implicit, modificarea

la nivelul primei etape de dezvoltare. În acest sens sunt evidenţiate mai jos evaluările practice

ale implementărilor.

Contribuţii practice

evaluarea şi testarea componentelor necesare pentru realizarea unui vehicul inteligent

autonom;

realizarea unui prototip al unui vehicul autonom cu limitarea sistemului de procesare

în aria de programare embedded având posibilitatea de navigare în timp real;

realizarea unui concept de comunicaţie între vehicul si sistemul central de comandă

pentru o monitorizare activă a proceselor;

realizarea unui concept de comunicaţie între două sisteme de procesare PC-104 prin

sincronizarea fluxului de informaţii;

realizarea unei simulări în mediul de programare Matlab embedded pentru integrarea,

modelarea şi prototiparea rapidă a algoritmilor de navigaţie;

integrarea cercetărilor teoretice privind cartografierea şi localizarea vehiculelor

autonome într-un mediu specific;

implementarea unei tehnici de evitare a obstacolelor bazată pe segmente de curbe

speciale (clotoidă si curbă Bezier);

la nivel optic a fost realizată o interfaţă grafică de reprezentare a rezultatelor

implementărilor algoritmilor de cartografiere, realizând o hartă virtuală;


56

implementarea unui filtru Kalman şi corectarea poziţiei vehiculului autonom în timpul

navigaţiei;

implementarea unui concept de identificare a persoanelor şi a obiectelor dinamice din

mediul de navigaţie;

implementarea unui concept de identificare a marcajelor cu ajutorul unei camere

video, necesar pentru navigaţia în spaţiile dedicate.

Prin completarea celor două etape de cercetare s-a încercat descrierea unui optim al

configuraţiei necesar pentru dezvoltarea sistemelor independente de navigaţie autonomă.

Complexitatea proiectului a avut dezavantajul că anumite aspecte ale conceptelor de

navigaţie au fost abordate doar tangenţial. Prin acest lucru s-a evidenţiat faptul că utilitatea

acestor sisteme depinde de zonele specifice de aplicaţie.

Fiecare capitol prezintă la final concluzii şi contribuţii originale

Prin modelarea şi simularea unei aplicaţii într-un sistem flexibil de fabricaţie au fost

evidenţiate anumite aspecte care pot fi luate în calcul în scopul măririi flexibiliăţii acestuia

până la atingerea unei flexibilităţi totale. Acest aspect se referă atât la manipularea

semifabricatelor din interiorul unui sistem de fabricaţie, dar şi la posibilitatea fuzionării

acestui domeniu cu cel logistic.

Direcţii viitoare de cercetare

Direcţiile viitoare de cercetare în domeniu se pot baza pe afirmaţia lui P. Drucker:

„Trebuie să devenim manageri ai tehnologiei, nu doar utilizatori ai acesteia”

Dacă aşteptările din ultimii ani nu au adus încă pe piaţă sistemele inteligente dorite,

mai devreme sau mai târziu, acestea vor apărea. Confluenţa tehnologiilor avansate va aduce

posibilităţi noi mai aproape de realitate prin caracteristicile practice, de dimensiuni reduse,

efective şi de cost redus. Inteligenţa artificială, structura robotică şi robusteţea vor deveni

aspecte indispensabile în orice domeniu.

Privind îndeaproape, dezvoltarea sistemelor autonome în fabricaţia flexibilă, viitorul

acestora depinde atât de aplicaţii, cât şi de tehnologiile utilizate.

O diagnosticare prin calculator va permite estimarea erorilor maşinilor din sistem şi

ghidarea echipelor de mentenanţă în detectarea defecţiunilor. Coordonarea internaţională şi

controlul facilităţilor de fabricaţie prin tehnologii de comunicaţie avansate reprezintă o

direcţie de cercetare clară a sistemelor de fabricaţie. Utilizarea roboţilor echipaţi cu diferiţi

senzori care să simplifice sarcinile de producţie, dar şi realizarea simulărilor în scopul

estimărilor proceselor sunt în plină dezvoltare şi reprezintă de asemenea componente

indispensabile din fabricile viitorului.

Toate formele tehnologice de progres de la invenţia senzorilor noi până la cea a

microprocesoarelor se dezvoltă cu o viteză simţitoare şi asigură noi concepte în arhitecturile

de roboţi mobili, astfel încât tactici inimaginabile vor deveni posibil de aplicat.

Având ca referinţă matricea de proces-produs, se poate ajunge la o flexibilitate mare

prin eforturi organizaţionale de nivel tehnic inovativ. Compania Volvo spre exemplu se

bazează pe un proces de fabricaţie în care maşinile sunt asamblate pe paleţi mobili şi nu există

o linie de asamblare în acest sens. Procesul integrează flexibilitatea.


57

În prezent se impun versiunile mici de sisteme flexibile de fabricaţie. Datorită

volumelor relativ mici de producţie şi varietăţii mari a aplicaţiilor, industria de automatizare

utilizează tehnologii dezvoltate în mare parte pentru alte segmente de piaţă. Inovaţia provine

astfel din aplicaţii deja existente în alte domenii decât din inovaţii de ultimă oră. Utilizând

tehnologia roboţilor mobili pentru cartografierea mediului de navigaţie şi realizarea

transferului de semifabricate, automatizarea industrială devine o aplicaţie în timp real a

sistemelor de proces complexe şi adaptive.

Bibliografie selectivă

58

BIBLIOGRAFIE SELECTIVĂ

[8] Becker J., Fusion der objekterkennenden Sensoren eines autonomes

Fahrzeugs,Workshop Multisensorsysteme für die Exploration natürlicher

Umgebungen im Rahmen der Deutschen Jahrestagung für Künstliche Intelligenz

und des 21. Symposiums für Mustererkennung, Univestität Bonn, 1999

[12] Borenstein J., Experimental results from internal odometry error correction with

the OmniMate mobile robot, IEEE Transactions on Robotics and Automation, vol.

14, pp. 963–969, 1998.

[17] Bouguet J.Y., Pyramidal Implementation of the Lucas Kanade Feature Tracker –

Description of the algorithm, Intel Corporation – Microprocessor Research Labs.

[18] Carpenter R. N., Concurrent mapping and localization with FLS, Proceedings of

the Workshop on Autonomous Underwater Vehicles, pp. 133–148, Cambridge,

MA, USA, 1998.

[19] Castellanos J. A., Tardos J.D., Mobile Robot Localization and Map Building, A

Multisensor Fusion Approach, Kluwer Academic Publishers, Boston, 1999.

[20] Castellanos J.A., Tardos J.D., Schmidt G., Building a Global Map of the

Environment of a Mobile Robot: The importance of corellations, Proceedings of

the IEEE Conference on Robotics and Automation, Albuquerque, NM, 1997.

[21] Cemgil A.T., Ben W. Z., Krose J. A., A Hybrid Graphical Model for Robust

Feature Extraction from Video, CVPR 2005

[22] Choset H., Nagatani K., Topological simultaneous localization and mapping

(SLAM): toward exact localization without explicit localization, IEEE Transactions

on Robotic and Automation, pp. 125–137, 2001.

[23] Cox I.J., Blanche , An experiment in guidance and navigation of an autonomous

robot vehicle, IEEE Transactions on Robotics and Automation, pp. 193–204,

1991.

[27] Egbelu P. J. , Tanchoco J. M. A., Potentials for bi-directional guided-path for AGV

based systems, International Journal of Production Research 24, pp. 1075-1097,

1986.

[28] Escalera A. de la, Moreno L., Salichs M.A., Armigol J.M., Continuous mobile

robot localization using structured light and a geometric map. International Journal

of Systems Science, 1996.

[29] Elfes A., Sonar-based real-world mapping and navigation, IEEE Journal of

Robotics and Automation, pp. 249–265, 1987

[30] Eynan A., Rosenblatt M. J, An interleaving policy in automated storage/retrieval

systems, International Journal of Production Research, pp. 1-18, 2003.

[31] Falcone E., Gockley R., Porter E., Nourkbash. I.,The personal Rover Project: The

comprehensive Design of a domestic Personal Robot, Robotics and Autonomous

Systems, Special Issue on Socially Interactive Robots pp. 245-258, 2003

[32] Fischler M.A., Bolles R.C., Random sample consensus: a paradigm for model

fitting with applications to image analysis and automated cartography.

Communications of the ACM, pp. 381–395, 1981.

[33] Gall R., Tröster F., Luca R., On the development of an embedded system for an

autonomous mobile robot, Proceedings of 2010 IEEE International Conference on

Embedded Systems, Las Vegas, USA, ISBN: 574-550-3345-0589-1, 2010.


59

[34] Gall R., Tröster F., Luca, R., Mogan, G., Building an experimental car-like mobile

robot, Proceedings of 2010 IEEE International Conference on Automation,

Shanghai, China, 2010.

[41] Hostetler L.D., Andreas R.D., Nonlinear Kalman ltering techniques for terrain-

aided navigation. IEEE Transactions on Automatic Control, March 1983.

[42] Honey S.K., White M.S., Cartographic databases. In I.J. Cox and G.T. Wilfon,

editors, Autonomous Robot Vehicles, pp 250-258. Springer-Verlag, 1990.

[43] Hu M.K., Visual pattern recognition by moment invariants, IEEE Transactions on

Information Theory, vol. 8, no. 2, pp. 179–187, 1962.

[44] Jensfelt P., Approaches to Mobile Robot Localization in Indoor Environments.

PhD thesis, Signal, Sensors and Systems (S3), Royal Institute of Technology,

Stockholm, Sweden, 2001.

[45] Jennings J., Kirkwood-Watts C, Tanis C., Distributed Map-making and Navigation

in Dynamic Environments, Proceedings of the 1998 IEEE/RSJ International

Conference of Intelligent Robots and Systems(IROS 98), Victoria, B.C., Canada,

October 1998.

[46] Karan M., Gupta, B.E., Monte Carlo Localization for robots using dynamically

expanding occupancy grids, Tech University Texas, 2005.

[47] Khatib O., Real-time Obstacle Avoidance for Manipulators and Mobile Robots,

Proceedings of the IEEE International Conference on Robotics & Automation,

pp.500-505, 1985.

[53] Latecki L. J., Lakämper R., Convexity rule for shape decomposition based on

discrete contour evolution, Computer Vision and Image Understanding Vol. 73,

No. 3, March, pp. 441–454, 1999.

[54] Latombe J-C., Robot motion planning. Norwood, MA, Kluwer Academic

Publishers, 1991.

[57] Lee D., The Map Building and Exploration Strategies of a simple Sonar Equipped

Mobile Robot, Cambridge, UK, Cambridge University Press, 1996

[58] Leonard J.E., Durrant-Whyte H., Mobile robot localization by tracking geometric

beacons. IEEE Transactions on Robotics and Automation, 1991.

[59] Leonard J.E., Durrant-Whyte H, Directed Sonar Sensing for Mobile Robot

Navigation. Norwood, MA, Kluwer Academic Publishers, 1992

[63] Luca R., Troester F., Simion C., Gall R., Data merging and sorting method based

on Discrete Contour Evolution with application on SLAM, Annals of DAAAM for

2009 & Proceedings of the 20th Symposium “Intelligent Manufacturing &

Automation: Focus on Theory, Practice and Education, ISBN 978-3-901509-70-4,

pp 253-254 ,Vienna, Austria, 2009.

[64] Luca R., Tröster F., Simion, C., Gall R., Research on autonomous vehicle

systems, Proceedings of the 4th

International Conference on Manufacturing Science

and Education, vol.1, ISSN 1843-2522 , (pp 51-54) Sibiu, Romania, 2009.

[65] Luca R., Tröster F., Gall R., Simion C., Environment mapping for autonomous

driving into parking lots“, Proceedings of 2010 IEEE International Conference on

Automation, Quality and Testing, Robotics (AQTR 2010), Cluj-Napoca, Romania,

ISBN: 978-1-4244-6722-8, pp.153-158, 2010.

[66] Luca R., Tröster F., Gall R., Simion C. Feature based mapping procedure with

application on Simultaneous Localization and Mapping (SLAM), Robotics and

Automation Systems, Cluj-Napoca, Romania ISBN-13 978-3-908451-88-4, Solid

State Phenomena Vols. 166-167 (2010), pp. 265-270, 2010.


60

[67] Luca R., Tröster F., Gall R., Simion C., Autonomous parking procedures using

ultrasonic sensors“, The 21st DAAAM International Symposium Intelligent

Manufacturing & Automation, Annals of DAAAM for 2010 & Proceedings, Zadar,

Croatia, ISBN 978-3-901509-73-5, pp. 691-692, 2010.

[68] Luca R., Tröster F., Gall R., Environment exploration for autonomous driving into

parking lots, Research and Education in Mechatronics, Heilbronn, Germany, ISBN

978-3-00-031548-0, pp.43-48, 2010.

[69] Luca R., Simion C., Tröster F., Gall R., Rapid prototyping and evaluation of

vehicle platform for specific environment navigation. Academic journal of

manufacturing engineering, Timisoara, Romania ISSN, 1583-7904, 2011.

[75] Pfister S.T., Roumeliotis S.I., Burdick J.W., Weighted line fitting algoritms for

mobile robot map building and efficient data representation, Robotics and

Automation, 2003. Proceedings. ICRA '03, IEEE International Conference, 2003.

[76] Poovendran R., Speigle S., Srinivasan S., Raghavan S., Chellappa R.. Qualitative

landmark recognition using visual cues, Proceedings of SPIE - The International

Society for Optical Engineering, pages 74-83, Orlando, FL, April 1997.

[77] Pozna C., Troester F., Autovehiculul autonom - studiu de caz, Editura Universităţii

Transilvania Brasov, 2006.

[78] Ribeiro M. I.; Lima P., Ocuppancy Grid Maps, Institute for Systems and Robotics,

2008.

[79] Ribas D., Towards Simultaneous Localization & Mapping for an AUV using an

Imaging Sonar, Girona, 2005.

[80] Richter B., Identifizierung und Klassifizierung dynamischer objekte auf ein

Parkplatzgelţnde anhand von Videosensoren, Heilbronn University, 2011.

[81] Russel S., Norvig P., Artificial Intelligence, a Modern Approach, Prentice Hall

International 1995.

[82] Sebastian T., Learning Occupancy Grid Maps With Forward Sensor Models,

School of Computer Science, Carnegie Mellon University, 2003

[83] Siegwart R., Nourbakhsh I.R., Introduction to Autonomous Mobile Robots, The

MIT Press. Massachusetts, ISBN 978-0-262-19502-7, 2004.

[84] Siegwart R., Nourbakhsh I.R., Scaramuzza D., Introduction to Autonomous Mobile

Robots, Second Edition, The MIT Press. Massachusetts, ISBN 978-0-262-01535-6,

2011.

[85] Siefert R., Woerner S., Erkennung von Bodenmarkierungen, Heilbronn University,

2010.

[86] Squires M.D., Whalen M., Moody G., Jacobus C., Taylor M., Real-time landmark

based optical vehicle self-location. In Proceedings of SPIE - The International

Society for Optical Engineering, pp. 187-197, Orlando, 1996.

[87] Simhon, S., Dudek. G., A global Topological Map Formed by Local Metric Maps,

„Proceedings of the 1998 IEEE/RSJ International Conference of Intelligent Robots

and Systems, Victoria, B.C., Canada, 1998.

[88] Spinelli J. J., The effects of load/unload times and networkingzoning on an AGV

system, Master's Thesis, Department of Industrial and Management Systems

Engineering, Pennsylvania State University, 1997.

[89] Stachniss C., Robotic Mapping and Exploration, Springer Verlag, ISBN-13

97836420110965, 2009.

[98] Vandorpe J., Brussel H. Xu, H. V., Aertbelien E., Positioning of the mobile robot

LIAS using natural landmarks and a 2d rangefnder, Proceedings of the IEEE

International Conference on Multisensor Fusion and Integration for Intelligent

Systems, pp. 257-264,Washington, DC, 1996.

http://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=8794

http://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=8794


61

[103] Zeiger F., Schilling K., Design of an User Interface for the Coordination of a

Group of Mobile Robots, The 17th

International Symposium on Robot and Human

Interactive Communication, Munich, Germany 2008.

PAGINI DE INTERNET

[104] ***http://www.nauticexpo.de/cat/handelshafen-krane-portalkrane

portalhubwagen/containerterminals-fahrerlose-transportfahrzeuge-ftf-BB-

1245.html

[105] ***http://www.frog.nl/dui/companyinfo/inside/background/agv/agv.html

[106] ***http://www.darpa.mil/grandchallenge/index.asp

[107] ***http://manufuture.de

[108] ***http://www.vdi.de

[109] ***http://www.egenimusa.com

[115] *** http://www.simsol.co.uk/factoryFLOW_manufacturing.php

[116] *** http://www.fraunhofer.de/en/

[117] *** http://www.kaercher.de

[118] ***http://www.solovatsoft.com/case_study_inventory%20control_system.html

[119] *** http://www.proplanner.com/index.cfm?nodeID=25751&audienceID=1

[120] *** http://distrinet.cs.kuleuven.be/software/agentwise/agvsimulator/#gui

[121] ***http://www.microsonic.de

[122] ***http://www.gigatronik.de

[123] ***http://www.microsoft.com

[124] ***http://en.wikipedia.org/wiki/Bayes'_theorem

[125] ***http://mobilerobots.org

INDEX DE ABREVIERI

AGV EN: automated guided vehicle

RO: vehicul ghidat automat

MAP

EN: Manufacturing Automation Protocol

RO: protocolul fabricaţiei automate

ASC

EN: writing/reading device

RO: aparat scriere/citire

ASM

EN: initialization module

RO: modul de initializare

SPS

EN: programable logic controller

RO: modul logic de programare

ROI

EN: region of interest

RO: regiune de interes

CAN EN: control area network

RO: reţea de control

SLAM EN: simultaneous localization and mapping

RO: cartografiere şi localizare simultană

CNC

EN: numerical comand control

RO:control cu comandă numerică

TR

EN: transfer rate

RO: rata de transfer

DARPA

EN: Defense advanced research project agency

RO: agenţia de proiect de cercetare în apărare

avansată

UDP

EN:user datagram protocol

RO:protocol de pachete

DCE

EN: discrete contour evolution

RO: evoluţia discretă a conturului

VIA

EN: intelligent autonomous vehicle

RO: vehicul inteligent autonom

DARPA

EN: Defense advanced research project agency

RO: agenţia de proiect de cercetare în apărare

avansată

VP

EN: control matrix

RO: matricea de control

extDCE:

EN: extended discrete contour evolution

RO: evoluţia discrete a conturului extinsă

GUI

EN: graphical user interface

RO: interfaţă grafică de utilizator

IP

EN: internet protocoll

RO: protocol de internet

I/O

EN: input/output

RO: intrări/ieşiri

CONTRIBUȚII PRIVIND SISTEMELE DE NAVIGAȚIE A...

Documents

Transcript of CONTRIBUȚII PRIVIND SISTEMELE DE NAVIGAȚIE A...