Κατάλογος Εκδηλώσεων

Θέμα
Πειραματική Μελέτη Αλγορίθμων Ταυτόχρονου Εντοπισμού Θέσης & Χαρτογράφησης στην Πλατφόρμα Turtlebot
Experimental Study of Simultaneous Localization & Mapping Algorithms on the Turtlebot Platform

Εξεταστική Επιτροπή
Καθηγητής Μπλέτσας Άγγελος (επιβλέπων)
Αναπληρωτής Καθηγητής Λαγουδάκης Μιχαήλ
Καθηγητής Καλαϊτζάκης Κωνσταντίνος
    
Περίληψη
Στην εργασία αυτή συνδυάζονται τεχνολογίες ρομποτικής και Radio Frequency IDentification (RFID), έτσι ώστε να δοθεί η δυνατότητα ακριβούς εντοπισμού της θέσης των ετικετών RFID. Για να επιτευχθεί αυτό, χρησιμοποιήθηκε μια χαμηλού κόστους ρομποτική πλατφόρμα και δημιουργήθηκε ένα κινητό ρομπότ με πληθώρα περιφερειακών, τα οποία προσφέρουν δεδομένα για τις RFID ετικέτες και το περιβάλλον, στο οποίο βρίσκεται το ρομπότ. Έγιναν αρκετές τροποποιήσεις στην πλατφόρμα για να μπορεί να υποστηρίξει τα επιπλέον περιφερειακά και χρησιμοποιήθηκε λογισμικό ανοιχτού κώδικα για την δημιουργία χαρτών καθώς και για την εκτίμηση θέσης και προσανατολισμού του ρομπότ. Αξιοποιήθηκαν μετρήσεις φάσης του RF σήματος λήψης μέσω εμπορικού αναγνώστη, σε συνδυασμό με αλγορίθμους εντοπισμού θέσης από την βιβλιογραφία, βασισμένους σε μεθόδους βελτιστοποίησης και σε φίλτρα σωματιδίων. Η υλοποίηση και πειραματική μελέτη έδειξαν μέσο σφάλμα εκτίμησης θέσης ετικετών 0.2m και 0.04m, σε δύο διαστάσεις και μία διάσταση, αντίστοιχα. Σχετικά με τους χρόνους εκτέλεσης μπορούμε να συμπεράνουμε ότι οι υλοποιήσεις για κίνηση του ρομπότ με ταχύτητες 10cm/sec έγιναν σε πραγματικό χρόνο.  

Abstract
Τhis work merges robotics and radio frequency identification (RFID) technologies, with the goal to enable precise RFID tag localization. A low-cost robotic platform was used to create a mobile robot equipped with multiple modules for RFID inventorying and enhanced perception of robot’s environment. Various modifications were performed on the robot, so it could support all the additional modules. Open source software was exploited for the creation of accurate maps and estimation of the robot's pose. Prior art localization methods, based on optimization and particle filtering were exploited, using phase measurements of the RF signal. Implementation and experimental results showed mean location estimation error of 0.2m and 0.04m, for two dimensions and one dimension, respectively. Execution times suggests that for robot velocity of 10cm/sec, the offered implementations were real time.