Exploiting particle-filter based fusion in mobile robot localization

Abstract

A Robótica Móvel tem sido constantemente investigada nas últimas décadas, devido às potenciais aplicações que pode trazer à sociedade. Em contexto industrial, este assunto tem evoluído, para que os robôs móveis possam ser mais flexíveis e precisos, sem comprometer asegurança dos trabalhadores. De modo a que um robô móvel navegue autonomamente, ele tem que estar equipado com um módulo de perceção do ambiente, para que possa contruir o mapa do ambiente, localizar-se e planear trajetórias seguras. Apesar de mapeamento e localização serem módulos distintos, as técnicas de SLAM (Simultaneous Localization and Mapping), aplicam estes dois módulos de uma maneira integrada.O objetivo principal desta dissertação foi focado no modulo de localização. A abordagem pretendida para este módulo, incluiu usar dados de fusão sensorial aplicados a um filtro de partículas. Os sensores estudados e usados, incluíram: encoders, um IMU (Inertial Measurement Unit) e um IPS (Indoor Positioning System) baseado em beacons. Estes sensores foram fundidos de maneiras diferentes, para que pudessem ser testadas diversas abordagens.Uma série de testes experimentais foram conduzidos de maneira a avaliar o desempenhoda abordagem de localização proposta. Estes testes incluíram a comparação do sistemade localização com o conhecido método AMCL (Augmented Monte Carlo Localization) e a análise de diferentes esquemas de fusão sensorial em diferentes cenários e em ambos os ambientes, estáticos e dinâmicos. Os resultados dos testes experimentais foram analisados eas principais conclusões evidenciaram as vantagens e desvantagens de cada método de fusão sensorial.

Mobile robotics has been constantly researched in the last decades, due to the potentialapplications it may bring to society. In industrial context, this subject has been evolving,so that mobile robots can be more exible and precise, without compromising worker'ssafety. In order for a mobile robot to navigate autonomously, it must be equipped with anenvironment perception module, so that it can build the environment map, localize itselfand plan safe trajectories. Although mapping and localization are two distinct modules,SLAM (Simultaneous Localization and Mapping) techniques apply these two modules in anintegrated way.The main objective of this dissertation was focused on the localization module. Theapproach intended for this module, included using sensor fusion data applied to a particle lter. The used and studied sensors, included: encoders, a laser scanner, an IMU (InertialMeasurement Unit) and a beacon-based IPS (Indoor Positioning System). These sensorswere fused in different ways, so that diverse approaches could be tested.A series of experimental tests were conducted in order to assess the performance of theproposed localization approach. These tests included the comparison of the developed localizationsystem with the well known AMCL (Augmented Monte Carlo Localization) method,analyzing different sensor fusion schemes in different scenarios and in both static and dynamicenvironments. The results from the experimental tests were analyzed and the mainconclusions highlighted the advantages and disadvantages of each sensor fusion method.