Een robot voor de Startel RoboChallenge 2004 - Kunstmatige ...

More documents

Recommendations

Info

Met: σXY = σXY + |∆x+∆y|*c1 + |∆h|*c2 σhoek = σhoek + |∆x+∆y|*c3 + |∆h|*c4 c1 = constante, correlatie tussen afgelegde afstand en gemiddelde fout xy c2 = constante, correlatie tussen gedraaide hoek en gemiddelde fout xy c3 = constante, correlatie tussen afgelegde afstand en gemiddelde fout hoek c4 = constante, correlatie tussen afgelegde hoek en gemiddelde fout hoek Om deze constanten te vinden hebben we een testje gedaan. We hebben de robot 10 meter heen en weer laten rijden. Na deze 10 meter hebben we gemeten wat het verschil is tussen waar de robot dacht dat hij stond en waar hij werkelijk stond. Deze 10 meter reed de robot een parcours tussen de posities (0,0) (1000,0) (-1000,0) en (0,0). Al deze waarden zijn in millimeters. Nadat er 10 meter was afgelegd reed de robot door tot hij weer ongeveer op positie (0,0) stond. Hierdoor reed de robot altijd iets verder dan de 10 meter. De robot reed rond met behulp van de in §3.3 beschreven navigatiemodule met de parameters maxspeed=100 en maxturnspeed=100. Dit levert de volgende tabel op: meting ∆x (mm) ∆y (mm) ∆hoek (graden) 1 24 6 12 2 30 13 5 3 12 5 4 4 24 14 5 5 19 16 4 6 55 45 13 7 85 2 3 8 46 11 6 9 41 7 5 10 39 6 4 gemiddelde 37,5 12,5 6,1 Tabel 1: afwijking tussen odometrie en werkelijke positie na een stuk rijden. De robot legde gemiddeld een afstand af van 14005 mm en draaide 5981 graden. Deze waarden zijn de som van de veranderingen van de odometriewaarden van de robot. Deze metingen zijn waarschijnlijk iets aan de hoge kant uitgevallen. Als de robot bijvoorbeeld rechtuit rijdt onder een hoek van ongeveer 10,5 graden dan zal hij de ene keer 10 en de andere keer 11 graden doorgeven. Dit wordt dan gezien als steeds een draaiing van 1 graden waardoor de robot veel meer lijkt te draaien dan dat hij eigenlijk doet. Met deze waarden kunnen de constanten c1,c2,c3 en c4 worden uitgerekend. c1: Per millimeter rijden zal de robot er (37,5+12,5)/14005=0,00357 mm naast zitten. c2: Per graden draaien zal de robot er (37,5+12,5)/5981=0.00836 mm naast zitten. c3: Per millimeter rijden zal de robot er 6,1/14005=0,000436 graden naast zitten. c4: Per graden draaien zal de robot er 6,1/5981=0,00102 graden naast zitten. Het is nu de vraag hoeveel de draaiing en het rijden zal bijdragen aan de variantie. Mogelijk zal de afwijking in de wedstrijd iets hoger zijn, door bijvoorbeeld een andere maxspeed. Het is ook mogelijk dat in de testopstelling veel van de afwijking de ene kant op is gecompenseerd voor afwijking de andere kant op waardoor de uitkomst van de 10
afwijking te laag is. Daarom hebben we gezegd dat de draaiing en het rijden beide het gewicht 1 krijgen waardoor de variantie 2 keer zo groot zal uitvallen als we volgens deze metingen zouden verwachten. Hierdoor zal de zekerheid van de robot sneller afnemen waardoor er minder vertrouwd wordt op de odometrie. De grid-based Markov lokalisatie methode voor de balletjes Voor de lokalisatie van de balletjes hebben we een raster gemaakt. Op dit raster representeert elke waarde de kans dat het balletje zich bevindt binnen een bepaald gebied op het speelveld (cel). De som van alle kansen is zodoende gelijk aan 1. Met elke observatie wordt voor elk vakje opnieuw uitgerekend wat de kans is dat het balletje zich hier bevindt. Als het balletje niet zichtbaar is dan wordt de kans dat de ster zich bevindt in de zichtbare cellen kleiner. Hoe dichter de cel bij de robot is, hoe beter zichtbaar dus hoe meer de kans dat het balletje zich hier bevindt kleiner wordt. Hiervoor gebruiken wij de volgende formule: Met: ⎛ d ⎞ p ( x, y) = p( x, y) ⋅ ( η ⎜ ⎟ + ) + ⎝ dmax ⎠ ( 1− η) ε p(x,y) = kans dat het balletje zich in cel x, y bevindt d = afstand tussen de robot en de cel dmax = maximale afstand waarop de robot een balletje kan onderscheiden η = snelheid waarmee de kansen zich aanpassen. ε = constante die ervoor zorgt dat een kans niet voor altijd 0 kan worden en zich zodoende nooit meer kan aanpassen. Deze formule gebruiken we voor alle zichtbare cellen. De kans van de niet zichtbare cellen veranderde niet. Als de ster wel zichtbaar is wordt de kans van de cellen die in de buurt van de ster liggen groter en van de andere cellen kleiner. Dit gebeurt met behulp van twee normale verdelingen. De één gaat over de afwijking van de cel tot de verwachte plek van het balletje in afstand en de andere normale verdeling gaat over de afwijking in hoek van de cel tot de ster. Hier gebruiken we de volgende formule: Met: p ( x, y) = p( x, y) ⋅ ( n1⋅ n2 ⋅ c1 + c2) + ε p(x,y) = kans dat het balletje zich in cel x,y bevindt. n 1 = σ ϕ 1 ⋅ e 2π σφ = variantie van de herkenning van het balletje in de hoek xφ = verschil in hoek tot geschatte plaats balletje en de hoek tot de plaats van de cel. ⎛ ⎜ − x ⎜ ⎝ 2σ 2 ϕ 2 ϕ ⎞ ⎟ ⎟ ⎠ 11
Page 1 and 2: Een autonome robot voor het verzame
Page 3 and 4: 3. De software De beschrijving van
Page 5 and 6: Figuur 1: de loodhoek tussen de rob
Page 7 and 8: 3.2 Lokalisatie Drie verschillende
Page 9: Sφ1 = Variantie in de hoek van nor
Page 13 and 14: 3.3 Navigatie Voor de navigatie van
Page 15 and 16: 4. Het testen 4.1 Het testen van de
Page 17 and 18: 5. De wedstrijd De eerste missie va
Page 19: Referenties 1. Wedstrijdreglement S

Een robot voor de Startel RoboChallenge 2004 - Kunstmatige ...

Create successful ePaper yourself

Delete template?

Save as template?