Autonome lokalisatie en kaartopbouw in dynamische buitenomgevingen: robotontwerp en preliminaire evaluatie

Abstract

Robots worden steeds frequenter ingezet in ongestructureerde en veranderlijke buitenomgevingen, zoals in boomgaarden. In deze masterproef, uitgevoerd in samenwerking met de KULeuven-onderzoeksgroep ACRO, richtten we ons op de autonome navigatie van robots in boomgaarden. Het onderzoek behandelde perceptie, robotontwerp, software, kaartopbouw, navigatie en lokalisatie. en 3D-RGB-D-sensoren, inclusief stereovisiesensoren, wordt uitgevoerd. Het robotontwerp wordt gevisualiseerd in een CAD-ontwerp en vervolgens als prototype gerealiseerd. Met dit prototype en de sensoren wordt een 3D-kaart gebouwd in een statische buitenomgeving, waar de robot zich nauwkeurig in kan lokaliseren. Resultaten tonen aan dat 3D-LIDAR-sensoren sterk be ̈ınvloed wordt door zonlicht, hoewel stereovisiecamera’s juist afhankelijk zijn van licht. Stereovisie blijkt kosteneffici ̈ent, maar vereiste een externe computer met CUDA-ondersteuning. Lokalisatie op basis van ruwe odometriedata blijkt onnauwkeurig, terwijl het RTAB-SLAM-algoritme, een algortime om tegelijkertijd de lokalisatie te bepalen en kaartopbouw te genereren, verbeterde lokalisatie biedt. Uit deze masterproef blijkt dat een robot met een stereovisiesensor autonoom een kaart kan genereren en nauwkeurig kan navigeren in een statische binnen- en buitenomgeving. Voor toekomstig onderzoek biedt het interessante mogelijkheden om de gemeten afstanden tot gesegmenteerde objecten, verkregen via het RCNN-algoritme, te benutten voor obstakeldetectie. Bovendien is er ruimte voor verbetering van de gebruiksvriendelijkheid.