Pokročilé metody lokalizace pozemních robotů za pomoci WiFi signálu.

Abstract

Cílem této práce je návrh, implementace a experimentální ověření lokalizačního systému pro robotickou platformu, která je vyvíjena jako součást projektu TRADR (http://www.tradr-project.eu/) a je vybavena širokou škálou senzorů jako je LIDAR, IMU, odometr a WiFi příjmač. Lokalizační systém předně využívá dostupný WiFi signál, který je zpracován pomocí strojového učení (Gaussovské procesy). Díky tomu, že je dnes většina budov pokryta hustou WiFi sítí, je možné využít sílu WiFi signálu pro spolehlivou lokalizaci levných robotů, kteří tak nemusí mít excesivní výpočetní výkon pro provádění SLAM algoritmů a nemusí být vybaveni drahými exteroceptivními senzory. Trajektorie je uvažována ve 3D, 6 stupňů volnosti a k jejímu určení jsou využity Gaussovské procesy následované Monte Carlo lokalizací. Uvažovaná aplikace systému je taková, že jeden SLAM robot zmapuje prostředí a sílu WiFi signálu v něm. Tato data budou zpracována a poskytnuta lévnému robotovi, který díky tomu bude moci opravovat výchylku svého gyro-odometrického lokalizačního systému se šesti stupni volnosti. Implementace navrhnutého lokalizačního systému je provedena v Matlabu.This bachelor's thesis focuses on the design, implementation and experimental evaluation of a localization system for mobile robotic platform, developed as part of the TRADR project (http://www.tradr-project.eu/), with rich sensory equipment: LIDAR, IMU, odometer and WiFi receiver. The localization system primarily uses the WiFi signal available in the environment, processed by machine learning techniques (Gaussian processes), since high WiFi coverage provides a way to localize even low-cost robots that do not need to be equipped with excessive computational power to run visual-based SLAM algorithms or expensive exteroceptive sensors. Trajectory is considered in 3D, a 6-DOF, and to its estimation, it uses Gaussian processes followed by Monte Carlo Localization. The proposed application is to use one SLAM robot to map WiFi signal strength in the working area and provide it to a low-cost robot to correct drift of its 6-DOF gyro-odometry localization system. Implementation of this localization system is realized using MATLAB.