A 2D-laser scan produced by RGB-D that considers the physical size of the mobile robot.

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

Sähkötekniikan korkeakoulu | Master's thesis

Authors

Date

2022-10-17

Department

Major/Subject

Control, Robotics and Autonomous Systems

Mcode

ELEC3025

Degree programme

AEE - Master’s Programme in Automation and Electrical Engineering (TS2013)

Language

en

Pages

61+16

Series

Abstract

Simultaneous Localization and Mapping (SLAM) algorithms are a vital component of a mobile robot system in order for it to create a map and navigate through its environment. Depending on the complexity and size of the surroundings, different sensors and SLAM alternatives may be utilized. Laser rangefinders are traditionally popular sensor options, but their weakness is the restriction of measuring object distance only in a single plain. Therefore, laser vision cannot detect essential information out of their the field of view, which can lead to a collision. A complex environment is a space consisting of obstacles in various forms and sizes. In this work, the complex environment problem (the challenge of safely traveling through the environment) is approached with an RGB-D camera, which can produce a 3D point cloud of the scene. The point cloud is then converted into a 2D laser format to execute a particle filter based SLAM algorithm and create an occupancy map. This thesis studies the effect of restricting the height of the point cloud on the SLAM process so that the system considers the physical size of the mobile robot. Data sets were recorded in an office environment with different sizes and forms of obstacles positioned in the area. The evaluation considers five different elements of the system, which are mostly related to the SLAM process. The analysis includes visual evaluation of maps, resampling, and scan matching process (demonstrating the effect on SLAM), CPU load, and Root Mean Square Error(RMSE) for accuracy analysis. Results show that the point cloud could be restricted to the height of the mobile robot without a notable compromise on accuracy. It is also shown that a significant point cloud restriction before conversion into 2D laser, will increase scan matching failures and therefore affect the SLAM process.

Samanaikainen paikannus ja kartoitus (SLAM) on keskeinen elementti mobiilirobotiikka järjestelmässä, ja mahdollistaa kartan luomisen ja siten myös navigoinnin. Erilaisia sensoreita ja SLAM-metodeja hyödynnetään riippuen ympäristön kompleksisuudesta sekä laajuudesta. Laserkeilaimet ovat perinteisesti hyvin suosittu vaihtoehto kartoittamiseen, mutta niiden haasteena on esteiden etäisyyksien mittauksen rajoittuminen yhteen tasoon. Tällöin olennaisia esteitä saattaa jäädä lasertason ulkopuolelle, jolloin törmääminen on mahdollista. Kompleksinen ympäristö on tila, joka sisältää useita erimuotoisia ja kokoisia objekteja. Tässä työssä kompleksisen ympäristön haasteeseen (haaste liikkua turvallisesti kyseisessä ympäristössä) pyritään vastaamaan RGB-D kameralla, jolla on ominaisuus mitata 3D-pistepilvi ympäristöstään. 3D-pistepilvi muunnetaan 2-ulotteiseksi (2-D) etäisyysmittaukseksi partikkelisuodin-pohjaista SLAM algoritmia varten, jonka avulla 2-D kartta voidaan rakentaa. Työssä tutkitaan, millaisia vaikutuksia pistepilven rajaamisella korkeussuunnassa mobiilirobotin koon mukaisesti on SLAM prosessiin. Datan keräys tapahtui toimistoympäristössä, johon oli sijoitettu erikokoisia ja -muotoisia esteitä. Arvioinnissa otettiin huomioon viisi eri elementtiä, jotka enimmäkseen liittyvät SLAM toimintaan. Työssä analysoitiin visuaaliset kartat, partikkeleiden uudelleen otanta prosessi, skannauksen sovitus prosessi, CPU kuormitus, ja tarkkuus on mitattu keskineliövirheen neliöjuurella (RMSE). Tutkimuksessa havaittiin, että pistepilven rajoittamisella mobiilirobotin mukaisesti ei ole juurikaan vaikutusta paikannustarkkuuteen. Tulokset osoittivat myös, että laajempi pistepilven rajoittaminen johti merkittävästi skannauksen sovitusvirheiden kasvuun ja siten sillä oli vaikutusta SLAM algoritmin toimintaan.

Description

Supervisor

Kyrki, Ville

Thesis advisor

Deppe, Christian

Keywords

depth, camera, SLAM, mobile, robotics, RGB-D

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202210236192

Collections

[dipl] Sähkötekniikan korkeakoulu / ELEC