Clever Geek Handbook

Investigação de métodos SLAM para navegação de robôs móveis internos. Experiência em pesquisa de robótica R2. (contínuo)

Introdução

No último artigo, vimos vários algoritmos SLAM modernos para ROS . Este artigo irá discutir a aplicação do SLAM na prática. Um protótipo de um robô merchandiser móvel da R2 Robotics é usado como um robô . O robô possui uma base com duas rodas motrizes localizadas no mesmo eixo no centro, o que permite fazer curvas no local e contribui para uma alta manobrabilidade. O diâmetro do robô é de aproximadamente 60 cm e sua altura é de 1,5 metros.





4. Teste

Os sensores do robô são: 2D lidar RPLidar A1 , câmera RGBD Intel RealSense D435i e câmera de rastreamento Intel RealSense T265 para rastreamento de odometria. O lidar é instalado na parte inferior do robô e escaneia apenas o setor frontal de 180 graus, enquanto a câmera é ajustada em 1,1 me inclinada para baixo em um ângulo de 40 graus. Considerando que a altura do robô é de 150 cm, a câmera permite reconhecer obstáculos a uma altura inacessível ao lidar.





Figura 8 - Modelo do robô em RViz
Figura 8 - Modelo do robô em RViz

9. 70 2 . , , .





Figura 9 - Sala para testes de mapeamento
9 –

4.1 Rtabmap





– ( 10).





MAS)
)
B)
B)

10 – Rtabmap ) b) RGBD





10 – , , . , . , , , .





, , RGBD , . , - . , , , .





Figura 11 - Comparação dos objetos exibidos nos mapas: vermelho - prateleiras e cadeiras altas, azul - mesas e poltronas, amarelo - sofás e guarda-roupa, verde - cadeiras
11 – : – , – , – , –

11 , , . . , , , 2D . , , ( ). – 7 .





, , . , ( 12).





Figura 12 - Exibindo dados de uma câmera RGBD no RViz
12 – RGBD RViz

, , , . , 11 . , , , , .





. , , . , 13 14.





Figura 13 - Evitando um obstáculo em um mapa construído com uma câmera de profundidade
13 – ,
Figura 14 - Evitando um obstáculo em um mapa construído usando um lidar (preto - um obstáculo no mapa, cinza - espaço livre no mapa, rosa - um obstáculo na camada de obstáculo do mapa de custos, azul - camada de inflação mapa de custo global, vermelho e azul - mapa de custo local da camada de inflação)
14 – , ( – , – , – costmap obstacle layer, – inflation layer global costmap, – inflation layer local costmap)

, , , ( 13). , , . , obstacle_layer , ( 14). , . , obstacle_layer . , . , , , «» , , . , , , , .





4.2 Google Cartographer





Google Cartographer . RPLidar A1, Intel RealSense D435i. 





. SLAM, . , , SLAM . , , . . , 2- . , Rtabmap 2 . Rtabmap – SLAM, , Cartographer – , . , 2 , Cartographer . , , , . Cartographer, , , , SLAM.





, , .





Figura 15 - Mapa Lidar com a) Cartógrafo b) Rtabmap
15 – ) Cartographer b) Rtabmap

15, , Cartographer , , SLAM Rtabmap.





Figura 16 - Visualização do mapa Rviz Cartographer, construído no lidar
16 – Rviz Cartographer,

16 . Cartographer. Cartographer , , , , . , - . , Cartographer «» . . , Cartographer – , . , . , ( - ), .





, , . - navigation stack obstacle layer. , . navigation stack, . , , .





Cartographer SLAM SLAM. , Cartographer , , , , . , Cartographer «» , . . , , 5-10 . , ( Cartographer) , , .





, Cartographer , . Rtabmap, Cartographer . Rtabmap , , , , , Rtabmap ( , ).





17 2- , Cartographer. 1, 2, , . , 2 , . , , . Rtabmap , , Cartographer .





Figura 17 - Mapa do cartógrafo de 2 salas traçado por lidar
17 – Cartographer 2- ,

SLAM Rtabmap Cartographer , . 2D , . , , obstacle_layer, .





, . -, , 3D . , (, , .) . , , , .





, SLAM. , .





Gmapping – 2D , Cartographer Rtabmap . , Gmapping, 3D .





Rtabmap Cartographer SLAM. Rtabmap , . , , . , – .





Cartographer , ( ) . , SLAM .









  1. Pedrosa, E., L. Reis, C. M. D. Silva and H. S. Ferreira. Autonomous Navigation with Simultaneous Localization and Mapping in/outdoor. 2020.





  2. Gmapping [ ] URL: http://wiki.ros.org/gmapping, – . . . : 14.08.2020 .





  3. Google Cartographer ROS [ ] URL: https://google-cartographer-ros.readthedocs.io/en/latest/#, – . . . : 04.11.2020 .





  4. RTAB-Map, Real-Time Appearance-Based Mapping [ ] URL: http://introlab.github.io/rtabmap/, – . . . : 22.06.2020 .





  5. Adaptive Monte Carlo localization [ ] URL: http://wiki.ros.org/amcl, – . . . : 03.08.2020 .





  6. Building Maps Using Google Cartographer and the OS1 Lidar Sensor [ ] URL: https://ouster.com/blog/building-maps-using-google-cartographer-and-the-os1-lidar-sensor/, – . . . : 25.02.2021 .





  7. Labbé, M, Michaud, F. RTAB‐Map as an open‐source lidar and visual simultaneous localization and mapping library for large‐scale and long‐term online operation. J Field Robotics. 2019; 35: 416– 446.





  8. Silva, B.M.F.D.; Xavier, R.S.; Gonçalves, L.M.G. Mapping and Navigation for Indoor Robots under ROS: An Experimental Analysis. Preprints 2019.





  9. Mathieu Labbé e François Michaud. Detecção on-line de fechamento de loop global para SLAM baseado em gráfico multi-sessão LargeScale. 2014 IEEE / RSJ International Conference on Intelligent Robots and Systems, páginas 2661-2666, 2014.







More articles:


All Articles