로봇에 2 대의 고정 카메라를 사용하여 장애물 회피

Question

0.5m 거리에 고정 된 2 대의 카메라 (1.3MP)를 탑재 한 모바일 로봇과 관련된 로봇 프로젝트 작업을 시작합니다. 초음파 센서,하지만 그들은 단지 10 metter 범위를 가지고 내 환경은 다소 (예를 들어, 많은 기둥, 상자, 벽 등.) 큰 창고를 타고 큰 내 과제는 장애물을 식별하고 또한 대략 " "거친"환경 (1 층은 전혀 매끄럽지 않음)에서 항해하기 위해 로봇이 취해야하는 가장 좋은 경로입니다. 모든 이미지 프로세싱은 로봇에서 이루어진 것이 아니라 NVIDIA GT425 2Gb 램이 장착 된 컴퓨터에서 이루어집니다.

내 질문은 : 그들은 넓은 각도에서 사진을 찍을 수 있도록

1. 내가하는 회전력 suport에 카메라를 장착해야 하는가?

2. 사이의 작은 거리에서 단 2 개의 뷰를 기반으로 합리적인 3D 재구성을 만들 수 있습니까? 그렇다면 장애물 회피와 최적의 경로 건설에 어느 정도까지 사용할 수 있습니까?

3. 환경을 대략 정확하게 3D로 표현할 수 있다면 어떻게 환경 맵을 만들 수 있습니까? (다음 예를 고려하십시오 : 로봇은 상당히 넓은 영역을 스윕해야하며 동일한 장소 (또는 코스)를 두 번 통과하지 못하면 에너지 효율이 좋지만 한 방향에서 3D 재구성이 이루어지면 어떻게 알 수 있습니까? 그것이 내가 비슷한 질문에이 response 발견

) 반대 방향에서 오는 경우는 이미하고있다,하지만, 난 여전히 상자의 몇 위치해 예를 들어 3 차원 복원의 정확성 (와 걱정 경우 작은 해상도와 카메라 간의 거리를 고려하여 100m에서).

방금이 프로젝트에 대한 정보 수집을 시작 했으므로 이와 비슷한 작업을 수행 한 경우이 특정 작업에 어떻게 접근해야하는지에 대한 몇 가지 지침 (일부 링크 : D)을 제공해주십시오. 사전에

감사합니다, Tamash

Answer 1

당신이 장애물 회피를 수행 할 경우, 그것은 초음파 센서를 사용하는 것이 아마도 가장 쉬운 방법입니다. 로봇이 인간 환경에 적합한 속도로 움직이는 경우 로봇의 거리는 10m이므로 로봇을 멈출 수있는 충분한 시간을줍니다. 우연히 무언가를 치지 않는다고 보장하지는 않습니다.

(2) 중간 정도의 작은 거리에서 단 2 개의 뷰를 기반으로 합리적인 3D 재구성을 만들 수 있습니까? 그렇다면 장애물 회피와 최적의 경로 건설에 어느 정도까지 사용할 수 있습니까?

예, 가능합니다. ROS와 vSLAM을 살펴보십시오. http://www.ros.org/wiki/vslam 및 http://www.ros.org/wiki/slam_gmapping은 가능한 많은 리소스 중 2 가지입니다. 그것이 반대 방향

음에서 오는 경우가 이미되어있는 경우, 당신은 당신의 위치가 주어진 찾기 위해 노력하고있다 말할 수있는 방법을 3 차원 재구성 한 방향에서 이루어집니다 그러나

, 측정 및지도. 그것은 가능해야하며지도가 어떤 방향에서 만들어 졌는지는 중요하지 않습니다. 그러나 루프 클로저 문제가 있습니다.주위를 둘러 보려고하는 것과 동시에 3D지도를 작성하기 때문에 새로운 장소에 있는지 또는 이전에 본 장소에 있는지 여부를 알 수 없습니다.

결론 이것은 어려운 작업입니다!

실제로 두 개 이상입니다. 먼저 간단한 장애물 회피 (예 : Don't drive into things.)가 있습니다. 그런 다음 동시 로컬라이제이션 및 매핑 (SLAM, Wikipedia 읽기)을 수행하고 마지막으로 경로 계획 (즉, 영역을 두 번 덮지 않고 바닥을 스윕)을 수행하려고합니다.

도움이 되셨습니까?

Answer 2

1. 각 눈이 독립적으로 회전한다는 의미라면 아니겠습니까? 스테레오 통신을하고 교정을 악몽으로 만드는 데 필요한 정확성을 얻지 못할 것입니다. 그러나 로봇의 전체 "머리"가 선회하기를 원한다면 그럴 수 있습니다. 하지만 관절에 좋은 인코더가 있어야합니다.

2. ROS를 사용하는 경우 두 개의 스테레오 이미지를 3D 포인트 클라우드로 전환하는 데 도움이되는 몇 가지 도구가 있습니다. http://www.ros.org/wiki/stereo_image_proc. 기준선 (카메라 간 거리)과 다른 범위의 해상도 사이에는 상충 관계가 있습니다. 큰 기준선 = 큰 거리에서 더 높은 해상도를 갖지만 큰 최소 거리도 있습니다. 고정 스테레오 장비로는 몇 센티미터 이상의 정확도를 기대하지는 않습니다. 이 정확성은 로봇의 위치 불확실성을 혼합 할 때만 악화됩니다.

   2.5. 맵핑과 장애물 회피를 위해 내가해야 할 첫 번째 일은 지상 비행기를 세분화하는 것입니다. 지상 비행기는지도 작성으로 넘어 가고 위의 모든 것은 장애물입니다. 일부 포인트 클라우드 운영 기능에 대한 PCL을 확인하십시오 : 간단히 SICK 또는 Hokuyo와 같은 평면 레이저를 넣을 수 없다면 3D 점 구름을 의사 레이저로 변환하려고 시도 할 수 있습니다. http://pointclouds.org/

   그런 다음 비주얼 슬램을 시도하는 대신 선반 SLAM을 사용하십시오. 나는 당신이 더 나은 결과를 얻을 것이라고 생각합니다.

다른 생각 : 이제 마이크로 소프트 키 넥트가 출시 된 것으로, 단순히 실제 스테레오을하는 대신 3D 포인트 클라우드를 얻기 위해 그것을 사용하는 것이 더 쉽게 (저렴)입니다.

이 프로젝트는 DARPA LAGR 프로그램과 아주 비슷하게 들립니다. (지상 학습에 적용된 학습). 이 프로그램은 끝났지 만 게시 된 논문을 추적 할 수 있습니다.