Slučování informací z více senzorů

Abstract

Tato práce se věnuje studiu nejistoty odhadu polohy mobilního robotu Clearpath Robotics Jackal na základě informací z několika senzorů. Nejen odhad polohy, ale i nejistota tohoto odhadu jsou důležité nejen jako primární zdroj informace o poloze robotu, ale především pro aplikaci v různých komplexnejších algorimtmech pro lokalizaci robotu a mapování okolního prostoru. Cílem této práce je modelování nejistoty odhadu polohy na základě experimentálních výsledků a její aproximace v závislosti na rychlostech robota a ujeté vzdálenosti. Dílčími cíli jsou rovněž studium charakteristik dat jednotlivých senzorů, poskytujících informaci o poloze robotu, jako jsou rotační enkodéry na motorech, které poskytují informaci o jejich otáčení, či gyroskop a akcelerometr v rámci inerciální měřicí jednotky (IMU). Výstupem práce je odhadnutý aproximovaný model nejistoty odhadu polohy získaného sloučením informací z rotačních enkodérů na motorech robota a z IMU, kterou robot užívá. Tento model je nakonec vyjádřen tak, aby bylo možné jej později zakomponovat v algoritmu pro simultánní lokalizaci a mapování (SLAM), který aktuálně na robotu běží a který užívá odhad polohy pro svou inicializaci, avšak měl by uvažovat také nejistotu tohoto odhadu, což nedělá. Tento algoritmus na základě dat z LiDARu lokalizuje robota a současně vytváří mapu okolního prostoru.

This work is dedicated to studying of uncertainty of the estimation of a pose of the mobile robot Clearpath Robotics Jackal, based on information from various sensors. Not only the estimation of a pose, yet also the uncertainty of this estimation are impotant not only as a primary source of the information about the robot's pose, but primarily for application in various more complex algorithms for localization of a robot and for mapping of the surrounding space. The goal of this work is modeling of the uncertainty of the estimation of the pose, based on experimantal results, and its approximation, depending on velocities of the robot and on the driven distance. Partial goals are also the study of characteristics of data of the particular sensors, which provide information about the pose of the robot, such as rotary encoders on the motors, which provide information about their rotation, or a gyroscope and an accelerometer of an inertial measurement unit (IMU). The output of the work is an estimated approximated model of the uncertainty of the estimation of the pose, obtained by fusing information from the rotary encoders mounted on the motors of the robot and of the IMU, which is used by the robot. This model is finally expressed so, that it is possible to compose it into the algorithm for simultaneous localisation and mapping (SLAM), which is actually runs on the robot and which uses the estimation of the pose for its initialization, yet it should use also the uncertainty of the estimation, which it does not do. This algorithm localizes the robot based on the data from a LiDAR and simultaneously creates a map of its surrounding space.