Detekce cihel pro soutěž MBZIRC

Abstract

Soutěž Mohamed Bin Zayed International Robotic Challenge (MBZIRC) se zaměřuje na použití autonomních multi-robotických systémů pro úkoly, které jsou motivovány problémy reaálného světa. Jedním z úkolů bylo využít skupinu dronů a pozemní roboty pro postavení zdi z cihel. Jelikož všichni roboti museli pracovat plně autonomně, bylo naprosto nezbytné navrhnout systém, který může cihly spolihlivě detekovat. Diplomová práce popisuje metody, které byly použity pro detekci těchto cihel. Většina metod je založena na zpracování dat z lidaru, který nese pozemní robot. Paprsky z lidaru jsou zpracovány algoritmem split and merge, což umožňuje nalézt pozice cihel ve velmi řídkém mraku bodů. Dále je použit algoritmus RANSAC, který z malé vzdálennosti může ověřit vzájemné pozice různých druhů cihel. Kromě toho byl udělán odhad maximální věrohodnosti pro model hromady cihel, který je využit v inovativní aplikaci EM algoritmu. Pokud je použit správný model je takto možné nalézt jakýkoliv velký prostorově rozložený objekt pouze na základě částečných měření, s rozdílnou úrovní jistoty, uložených do symbolické mapy.

The Mohamed Bin Zayed International Robotic Challenge (MBZIRC) is focused on using autonomous multi-robot systems for tasks that are motivated by real-world problems. One of the tasks was to exploit the group of unmanned aerial and ground vehicles to build a wall from bricks. Because all robots have to operate autonomously, it is crucial to have a system that can reliably detect the bricks. The set of methods that were used to detect these bricks is described in the thesis. Most of the methods are based on the lidar data measured by the ground robot. The lidar scans are processed by the split and merge algorithm to find the bricks in a very sparse pointcloud. Further, the RANSAC algorithm is applied from close range to verify the spatial distribution of different types of bricks. Moreover, the maximum likelihood estimate of the brick pile model, for the novel application of the EM algorithm, is derived. With a proper model, it is possible to poll previously saved partial measurements with different levels of confidence from a symbolic map, and obtain a position of any large spatially distributed object.