CONTRIBUȚII PRIVIND SISTEMELE DE NAVIGAȚIE A...
Transcript of 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
Universitatea „Lucian Blaga” din Sibiu
REFERENŢI: Prof. Dr. Rer. Nat. Fritz Tröster
Heilbronn University / Germania
Prof. Dr. -Ing. Nouraş Barbu Lupulescu
Universitatea “Transilvania” Braşov
Prof. Dr. -Ing. Laurean Bogdan
Universitatea „Lucian Blaga” din Sibiu
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
Infrastructura vehiculelor inteligente autonome – realizarea prototipului
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.
Infrastructura vehiculelor inteligente autonome – realizarea prototipului
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.
Infrastructura vehiculelor inteligente autonome – realizarea prototipului
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.
Infrastructura vehiculelor inteligente autonome – realizarea prototipului
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;
Infrastructura vehiculelor inteligente autonome – realizarea prototipului
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
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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.
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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.
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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.
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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.
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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.
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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.
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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:
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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.
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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.
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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:
Cartografierea şi localizarea proprie ca procese simultane ale vehiculelor autonome
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
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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.
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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:
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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;
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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.
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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.
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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)
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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.
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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
Teste şi aplicaţii de navigaţie ale vehiculului autonom
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)
Aplicaţii in sistemul flexibil de fabricaţie din industria auto
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
Aplicaţii in sistemul flexibil de fabricaţie din industria auto
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
Aplicaţii in sistemul flexibil de fabricaţie din industria auto
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
Aplicaţii in sistemul flexibil de fabricaţie din industria auto
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
Aplicaţii in sistemul flexibil de fabricaţie din industria auto
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
Aplicaţii in sistemul flexibil de fabricaţie din industria auto
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;
Concluzii şi direcţii viitoare de cercetare
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;
Concluzii şi direcţii viitoare de cercetare
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.
Concluzii şi direcţii viitoare de cercetare
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.
Bibliografie selectivă
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.
Bibliografie selectivă
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.
Bibliografie selectivă
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