Controllo di robot mobili in ambienti interni sconosciuti: il SLAM visivo per l'asservimento
Uno dei principali ostacoli che ancora frenano la diffusione dei robot mobili nei grandi mercati di consumo è la mancanza di sensori potenti, versatili ed economici. La tecnologia della visione è potenzialmente una…
https://www.electronics-engineering.com/it/controllo-di-robot-mobili-in-ambienti-interni-sconosciuti-il-slam-visivo-per-lasservimento/
Uno dei principali ostacoli che ancora frenano la diffusione dei robot mobili nei grandi mercati di consumo è la mancanza di sensori potenti, versatili ed economici. La tecnologia della visione è potenzialmente la vincitrice se si considera il rapporto tra informazione fornita e costo: telecamere di accuratezza accettabile
si vendono oggi a un prezzo inferiore di uno o due ordini di grandezza rispetto ai laser scanner. Di conseguenza, si dedica molta attenzione alla soluzione dei problemi non banali posti dall’uso dell’informazione visiva per costruire mappe, localizzarsi e navigare nell’ambiente.
Questa tesi affronta il problema di usare telecamere commerciali montate su piattaforme mobili economiche, per permettere la navigazione e il controllo verso configurazioni obiettivo nello spazio sulla base di mappe visive dell’ambiente sconosciuto, costruite contestualmente nel processo. A questo scopo, la letteratura ha fornito di recente alcuni strumenti potenti sulla localizzazione e la mappatura per veicoli autonomi, soprattutto con le tecniche degli informatici, e separatamente con il lavoro di ricerca sul visual servoing dei robot, che viene perlopiù dall’ambito dei controlli automatici. Il nostro sforzo si concentra soprattutto sull’integrazione tra le tecniche avanzate di rilevamento e comprensione dell’ambiente (percezioni) e la necessità di prendere e attuare decisioni (azioni) sulla base della retroazione sensoriale in tempo reale dall’ambiente.
Per ottenere una navigazione autonoma in un ambiente complesso usando soprattutto la visione insieme a un’odometria rumorosa, la capacità di asservirsi a una data immagine specificata non basta di certo. Il sistema deve anche costruire e aggiornare mappe dell’ambiente, in una forma che sia abbastanza informativa per i compiti di controllo
(permettendo ai veicoli di raggiungere con precisione posizioni desiderate arbitrarie nell’ambiente), attenta ai limiti delle risorse (come lo spazio di memoria o la banda di comunicazione nei sistemi con più robot) e utile anche per la navigazione umana.
Anche se la localizzazione e mappatura simultanee (Simultaneous Localization And Mapping, SLAM) sono un problema ben posto e nel caso generale esiste una soluzione, è stato fatto pochissimo sulle interazioni tra il veicolo esploratore e l’ambiente mappato, che è invece il tema principale di questa tesi. Perciò il punto chiave di questo lavoro è il tentativo di unificare il problema della costruzione della mappa e quello della stima della localizzazione del robot
con la progettazione della retroazione. In termini di teoria dei sistemi, questo problema sembra richiamare una generalizzazione del principio di separazione del controllo stocastico lineare, che purtroppo è un semplice salto di fede nel contesto dei sistemi robotici con dinamiche fortemente non lineari. Tuttavia, fin dai primi passi verso una soluzione del problema SLAM è noto che anche la navigazione in un ambiente perfettamente mappato aumenta l’inaccuratezza della localizzazione del robot mobile.
Il sistema che stiamo sviluppando per affrontare il problema della localizzazione e mappatura simultanee basate sulla visione per l’asservimento (Visual-Based Simultaneous Localization And Mapping for Servoing, V-SLAMS) è composto da diversi componenti collegati tra loro. L’obiettivo finale del nostro progetto è che più agenti mobili, dotati di telecamere ed eventualmente di un’odometria di base, costruiscano in modo cooperativo una mappa visiva dell’ambiente. La mappa permette a ogni singolo veicolo di localizzarsi e di navigare nell’ambiente mappato per raggiungere una posizione arbitraria, che può anche non essere stata raggiunta prima. Le fasi di mappatura e di asservimento non vanno per forza pensate come consecutive nel tempo.
Nell’architettura che proponiamo, l’organizzazione dei dati sensoriali parte dalla stima stocastica delle coordinate tridimensionali dei punti caratteristici dell’immagine, ed eventualmente dei parametri incerti nei modelli della telecamera e dell’ambiente, con le tecniche del filtro di Kalman esteso. I valori stimati vengono fusi in una mappa 3D generale dei punti caratteristici, utile per la navigazione e la localizzazione del robot. La flessibilità della mappa dei punti caratteristici permette di migliorare in modo piuttosto semplice l’informazione estratta con algoritmi standard di visione artificiale, come l’estrazione di texture e il rilevamento di piani di omografia. In parallelo si mantiene anche una mappa topologica basata sulle immagini, per collegare in modo efficace la mappa dei punti caratteristici e la topologia dell’ambiente circostante. Nel seguito, la fusione di mappe topologiche e metriche si chiama mappatura ibrida. Una volta che i veicoli sono localizzati rispetto a un punto qualsiasi della mappa, la cooperazione è resa possibile dalla condivisione della mappa globale dei punti caratteristici
e della mappa delle immagini, il che permette ai robot di raggrupparsi in qualsiasi posizione rispetto all’ambiente o alla posizione relativa dei veicoli. Nell’implementazione dell’architettura V-SLAMS si è dedicata particolare attenzione a produrre mappe i cui requisiti, in termini di memoria allocata e di banda di comunicazione, siano limitati per la condivisione in un’architettura multirobot.
Le applicazioni pratiche delle piattaforme robotiche mobili comportano molti problemi diversi, dovuti soprattutto alle incertezze sul modello cinematico del sistema da controllare, alle dinamiche non modellate o alla non linearità degli attuatori disponibili (per esempio saturazioni o zone morte). Si è presentato un tentativo di risolvere il controllo di robot mobili anolonomi con il controllo adattativo non lineare in presenza di
incertezze legate agli attuatori o ai parametri dinamici, tenendo conto dei limiti di saturazione degli attuatori. L’idea alla base dell’approccio proposto è che ogni componente della legge di controllo finale possa essere composta in modo modulare con le funzioni di Lyapunov, partendo da un controllore stabilizzante pensato per il modello cinematico, perfettamente noto.
Lo studio della mappa in questa tesi mira a individuare quali siano le caratteristiche cruciali per costruire in tempo reale una mappa affidabile dell’ambiente circostante. Le rappresentazioni sicure per la memoria permettono di condividere la mappa tra una squadra di robot esploratori, rispettando l’ovvio limite della banda di comunicazione. In generale, la squadra di robot asserviti visivamente ha una varietà di capacità di manovra che dipende dal modello dinamico. Per ampliare l’insieme dei veicoli mobili possibili che partecipano all’esplorazione, si propone un controllore stabilizzante punto-a-punto
del moto per il veicolo di tipo biciclo. La legge di controllo in retroazione deve tenere conto del vincolo di campo visivo limitato durante le manovre di parcheggio; perciò il controllore proposto si basa sul controllo con asservimento visivo sviluppato per il veicolo monociclo, per ereditarne le caratteristiche di convergenza. A questo scopo si è adottato uno schema di backstepping.






Welcome to the page on “Mobile Robot Control in Unknown Indoor Environments – the Visual SLAM for Servoing”. I wrote it for engineering students: if a step does not add up, an exercise gives you a different result or you would like more material on the topic, just ask in the comments and I will reply. A star rating above helps me understand which pages to improve.