Natural feature navigation for automated guided vehicles with inaccurate map data

Abstract

One of the most common navigation techniques for autonomous guided vehicles (AGV) is natural feature navigation. Natural feature navigation uses laser scanners to map the surrounding environment and compares laser scanner measurements and map points to localize the AGV. If the comparison between map and scanner points is bad, the map-matching fails and the position of the AGV cannot be defined unambiguously.

The aim of this thesis is to investigate how to navigate with a map that has ±15 centimeter random errors. In addition, the thesis examines how to navigate past areas where laser scanners cannot be utilized, the AGV is tilted and the scanners cannot see the surrounding environment or the AGV needs to navigate through an open space where laser scanners do not give any measurements.

Two methods where implemented to solve these inaccurate map and no-map scenarios: Adaptive navigation parameter modification and inaccurate route following by dead-reckoning. Adaptive navigation parameter modification changes normal navigation parameters to robust navigation parameters when the map is inaccurate. Robust navigation parameters increases tolerance for map errors and enable navigation with inaccurate map data. Inaccurate route following by dead-reckoning is an approach in which the AGV can navigate short distances by using only dead-reckoning and then recover back to natural feature navigation.

Both methods where tested with three experiments in two environments. The results showed that the presented methods both improve the autonomy level of the AGV.

Itseohjautuvilla kulkunevoilla (AGV) on monia tapoja navigoida niiden tunnetussa ympäristössään. Yksi nykyisin eniten käytetyistä navigointimenetelmistä on luonnollinen navigointi. Luonnollinen navigointi käyttää laserkeilaimia ympäristön skannaamiseen sekä karttaa ympäristöstä. Kartan ja laserkeilaimien mittauksia vertaamalla pystytään paikantamaan itseohjautuva kulkuneuvo tarkasti. Jos ympäristöstä oleva kartta on epätarkka, kartan ja ympäristön sovitus ei onnistu. Tällöin paikannus epäonnistuu ja itseohjautuva ajoneuvon paikkaa ei pystytä määrittämään yksiselitteisesti.

Tämän työn tarkoitus on tutkia miten itseohjautuva ajoneuvo voi navigoida käyttäen epätarkkaa karttaa, jossa on ±15 senttimetrin satunnaista virhettä. Tämän lisäksi työ tutkii miten AGV voi navigoida hetkellisesti sellaisissa ympäristöissä joissa laserkeilaimien mittauksia ei pystytä hyödyntämään. Tällaisia ovat esimerkiksi avarat tilat tai kaltevat rampit.

Työssä toteutettiin kaksi erillista metodia, joiden tarkoitus on vastata yllä esitettyihin ongelmiin: adaptiivinen navigointiparametrien vaihto, sekä epätarkka reitin seuranta. Adaptiivisessa navigointiparametrien vaihdossa navigointiparametrit vaihdetaan karttavirhesietoisiksi silloin kun kartta on epätarkka, jolloin AGV pystyy silti navigoimaan vaikka hyödynnetty kartta on epätarkka. Epätarkka reitin seuranta on toteutus, jolla AGV pystyy navigoimaan lyhyitä matkoja käyttäen pelkästään merkintälaskua ja palautumaan takaisin luonnolliseen navigointiin jälkeenpäin.

Molempia toteutuksia testattiin kolmella koejärjestelyllä kahdessa eri ympäristössä. Tulokset osoittivat, että esitetyt metodit lisäävät itseohjautuvan kulkuneuvon autonomisuutta.