3D-Position Tracking and Control for All-Terrain Robots

روباتیک زمین ناهموار یک زمینه تحقیقاتی است که به سرعت در حال تکامل است و تلاش زیادی برای ایجاد سطح بالاتری از خودمختاری برای وسایل نقلیه در فضای باز به کار گرفته شده است. این کتاب نشان می دهد که چگونه می توان با در نظر گرفتن حرکت مریخ نورد در زمین ناهموار به عنوان یک مشکل کل نگر، دقت ردیابی موقعیت سه بعدی را بهبود بخشید. اگرچه انتخاب سنسورهای مناسب برای ردیابی دقیق موقعیت مریخ نورد بسیار مهم است، اما این تنها جنبه ای نیست که باید در نظر گرفته شود. در واقع، استفاده از مفهوم حرکت تطبیق‌نشده به شدت بر نسبت سیگنال به نویز حسگرها تأثیر می‌گذارد که منجر به تخمین‌های ضعیف حرکت می‌شود. در این کار، از یک ساختار مکانیکی که امکان حرکت صاف در میان موانع با لغزش محدود چرخ را فراهم می‌کند، استفاده شده است. به طور خاص، استفاده از سنسورهای کیلومتر شمار و اینرسی را برای بهبود تخمین موقعیت در زمین های ناهموار امکان پذیر می کند. روشی برای محاسبه افزایش حرکت سه بعدی بر اساس رمزگذارهای چرخ و سنسورهای وضعیت شاسی توسعه داده شده است. از آنجایی که این روش سینماتیکی مریخ نورد را در نظر می گیرد، نتایج بهتری نسبت به روش استاندارد ارائه می دهد. برای بهبود بیشتر دقت ردیابی موقعیت و عملکرد بالا رفتن مریخ نورد، یک کنترل کننده برای به حداقل رساندن لغزش چرخ توسعه داده شده است. این الگوریتم به صورت آنلاین اجرا می شود و می تواند با هر نوع مریخ نورد چرخ دار غیرفعال سازگار شود. در نهایت، همجوشی حسگر با استفاده از 3D-Odometry، حسگرهای اینرسی و تخمین حرکت بصری بر اساس استریوویژن ارائه شده است. نتایج تجربی نشان می‌دهد که چگونه هر حسگر به افزایش دقت و استحکام تخمین موقعیت سه بعدی کمک می‌کند.

Rough terrain robotics is a fast evolving field of research and a lot of effort is deployed towards enabling a greater level of autonomy for outdoor vehicles. This book demonstrates how the accuracy of 3D position tracking can be improved by considering rover locomotion in rough terrain as a holistic problem. Although the selection of appropriate sensors is crucial to accurately track the rover’s position, it is not the only aspect to consider. Indeed, the use of an unadapted locomotion concept severely affects the signal to noise ratio of the sensors, which leads to poor motion estimates. In this work, a mechanical structure allowing smooth motion across obstacles with limited wheel slip is used. In particular, it enables the use of odometry and inertial sensors to improve the position estimation in rough terrain. A method for computing 3D motion increments based on the wheel encoders and chassis state sensors is developed. Because it accounts for the kinematics of the rover, this method provides better results than the standard approach. To further improve the accuracy of the position tracking and the rover’s climbing performance, a controller minimizing wheel slip is developed. The algorithm runs online and can be adapted to any kind of passive wheeled rover. Finally, sensor fusion using 3D-Odometry, inertial sensors and visual motion estimation based on stereovision is presented. The experimental results demonstrate how each sensor contributes to increase the accuracy and robustness of the 3D position estimation.