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

4. Het testen
4.1 Het testen van de wedstrijd versie
Doordat de programmeerfase te veel tijd in beslag had genomen hebben we twee
weken voor de wedstrijd besloten om over te gaan op de hierboven beschreven
versimpelde versie. Deze versie hebben we getest op de dag voor de wedstrijd. Op het
officiële wedstrijdveld in de Martiniplaza hebben we de kleurenfilters op de juiste
waarden ingesteld. Een testronde met alle factoren gelijk aan die in de wedstrijd het
geval zouden zijn was onmogelijk omdat er allemaal objecten in het wedstrijdveld
stonden en er een gedeelte van de boarding miste.
4.2 Het testen van het Kalman filter
Het Kalman filter van de oorspronkelijke versie hebben wij later getest op zijn prestaties.
Hiervoor hebben wij het volgende experiment opgezet. We hebben de bakens in het
robotlab neergezet in de hoeken van het veld. De robot wist de posities van deze
bakens. We lieten de robot steeds op hetzelfde punt beginnen. We lieten hem een
wisselend aantal tijdstappen rondrijden met object ontwijkend gedrag. Nadat hij had
rondgereden stopte hij en zocht hij een baken aan de hand waarvan hij zijn positie kon
bepalen. Daarna hebben wij de werkelijke positie van de robot gemeten. Deze positie
van de odometrie, van het lokalisatie algoritme, de positie van het Kalman filter en de
werkelijke positie hebben we genoteerd. Zie hiervoor de appendix.
Het gemiddelde verschil tussen de werkelijke positie van de robot en de positie
aangegeven door de odometrie is 23 cm. Het gemiddelde verschil tussen de werkelijke
positie en de baken lokalisatie is 40 cm.
De positie aangegeven door het Kalman filter zit er gemiddeld 22 cm naast. Dit is met
een variantie (Sxy ) van 310 voor de baken lokalisatie en met een variantie voor de
odometrie tussen de 52 en de 77. Het experiment laat echter zien dat de meting door de
baken lokalisatie niet meer dan 2x zo slecht is als de odometrie. Als we deze
betrouwbaarheden aanhouden en we maken de variantie voor de baken lokalisatie
ongeveer 2 keer zo groot is als die van de odometrie dan zit de positie volgens het
Kalman filter er gemiddeld een kleine 19 cm naast.
We gaan de verbetering in positie door middel van het Kalman filter testen met een ttoets
met een significantie niveau van 5%. Hiervoor gebruiken we de nul hypothese: H0:
µEO-EK = 0, er is geen significantie verbetering in positie. Dit tegenover de alternatieve
hypothese: H0: µEO-EK > 0 : het Kalman filter schat de positie van de robot beter dan
alleen de odometrie.
µ w − 0
= ) ≥ t ( 23)
t 0.
05
sw n
= 1.714
15