Localização e mapeamento para robôs móveis em ambientes confinados baseado em fusão de LiDAR com odometrias de rodas e sensor inercial

Autor: Gilmar Pereira da Cruz Júnior
Přispěvatelé: Gustavo Medeiros Freitas, Armando Alves Neto, Gustavo Pessin
Jazyk: portugalština
Rok vydání: 2021
Předmět:
Zdroj: Repositório Institucional da UFMG
Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
Popis: CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico Outra Agência A exploração e inspeção de espaços confinados utilizando dispositivos robóticos é uma opção viável e segura. Contudo, ambientes confinados apresentam grandes desafios à robótica, principalmente em relação à estimação da pose e geração de mapas, essenciais para navegação autônoma. A ausência de sinal de GPS, bem como possíveis interferências sem magnetômetros, principalmente na região de mineração ou na presença de equipamentos elétricos de grandes potências, impossibilitam a utilização destes sensores para estimar posição e orientação do dispositivo robótico. Além disso, a baixa iluminação pode prejudicar a identificação de features visuais, e solos escorregadios acarretam acúmulo de erros no cálculo de odometria das rodas. Deste modo, uma solução mais adequada é a utilização de técnicas de localização e mapeamento simultâneos baseadas em sensores LiDAR, denominado LiDAR SLAM. Para o funcionamento adequado de um robô autônomo, a localização precisa ser estimada online de forma a realimentar o sistema de controle de navegação, e o mapa deve ser representativo e leve do ponto de vista computacional, facilitando a execução de algoritmos de planejamento de caminhos embarcados. Neste contexto, essa dissertação apresenta um estudo e investigação de 3 técnicas consideradas como estado da arte, LOAM-Velodyne, LeGO-LOAM e HDL-Graph-SLAM, de modo a determinar qual delas é a mais adequada para a implementação no EspeleoRobô, um dispositivo robótico de inspeção de ambientes confinados. Este robô móvel está sendo desenvolvido pelo Instituto Tecnológico Vale em parceria com a Universidade Federal de Minas Gerais. A comparação entre as técnicas de LiDAR SLAM utiliza métricas propostas para avaliar a precisão das estimações de localização e dos mapas gerados durante simulações em ambientes virtuais implementados com o software CoppeliaSim, e também em experimentos reais. A técnica com melhor performance, LeGO-LOAM, foi adaptada e embarcada no EspeleoRobô, possibilitando avaliar o desempenho da localização e mapeamento online durante testes indoor e outdoor na UFMG, e em experimentos de campo na Mina du Veloso. Dado que alguns dos ambientes explorados pelo EspeleoRobô, incluindo dutos e galerias, apresentam poucas features geométricas que impactam no desempenho das técnicas de LiDAR SLAM, gerando subestimação da distância percorrida pelo robô e consequentemente a deformação do mapa gerado, é proposto também um Filtro de Kalman Estendido (EKF - do inglês Extended Kalman Filter) aplicado ao SLAM. Esse filtro funde os dados da odometria LiDAR, acrescida de uma covariância adaptativa em função do número de features identificadas do ambiente, com a odometrias das rodas e os dados da IMU disponível no robô. A implementação foi analisada inicialmente em ambientes simulados, e em seguida validada em experimentos reais com o EspeleoRobô. The exploration and inspection of confined environments using robotic devices is a feasible and safe option. However, confined environments present several challenges to robotics, especially regarding pose estimation and map generation which are essential for autonomous navigation. Due to the lack of GPS signal and possible interference with magnetometers, especially in the mining region or in the presence of high-powered electrical equipment, it is impossible to use these sensors to estimate the position and orientation of the robotic device. Low lighting can impair the identification of visual features, and slippery terrains lead to the accumulation of wheel odometry errors. Thus, a more suitable solution is the Simultaneous Localization And Mapping based on LiDAR sensors, called LiDAR SLAM. For the proper functioning of an autonomous robot, the location needs to be estimated online in order to feedback the navigation control system, and the map must be representative and computationally lighweight, facilitating the execution of the path planning embedded algorithms. Therefore, this dissertation presents a study and investigation of 3 state-of-the-art techniques, LOAM-Velodyne, LeGO-LOAM, and HDL-Graph-SLAM, to determine which one is the most suitable for implementation in the EspeleoRobô, a robotic device for inspecting confined environments. This mobile robot is being developed by the InstitutoTecnológico Vale (ITV) in partnership with the Universidade Federal de Minas Gerais (UFMG). The comparison between LiDAR SLAM techniques uses metrics proposed to assess the accuracy of localization estimations and maps generated during simulations in virtual environments implemented with the CoppeliaSim software, and also in real-world experiments. The best performing technique, LeGO-LOAM, was adapted and embedded into the EspeleoRobô, allowing to evaluate the online performance of localization and mapping during indoor and outdoor tests at UFMG and in field experiments at Mina duVeloso. Given that some of the environments explored by EspeleoRobô, including ducts and galleries, present few geometric features that impact the performance of LiDAR SLAM techniques, generating an underestimation of the robot traveled distance and consequently the deformation of the generated map, we propose an Extended Kalman Filter (EKF) integrated to the SLAM technique. This filter merges data from the LiDAR odometry, which uses an adaptive covariance in respect to the number of environment features identify, the wheel odometry and the IMU available in the robot. The implementation was initially evaluated with simulations in virtual environments, and then validated during real-world experiments with the EspeleoRobô.
Databáze: OpenAIRE
Externí odkaz: