PDF de programación - COMPRESIÓN DE ESCENARIOS 3D EN MAPAS 2D Y DETECCIÓN DE OBJETOS PARA NAVEGACIÓN DE ROBOTS AUTÓNOMOS

Máster en Inteligencia Artificial Avanzada

COMPRESIÓN DE ESCENARIOS 3D EN MAPAS 2D Y
DETECCIÓN DE OBJETOS PARA NAVEGACIÓN DE

ROBOTS AUTÓNOMOS

Ángel Rivas Casado

Director:

Félix de la Paz López

JULIO 2011

II

A mis padres Ángel y María y a mi hermana Rebeca, por el apoyo que siempre he recibido
de ellos. A mis tutores y compañeros, Félix y Jose Manuel, por haberme guiado durante la
realización de este trabajo.

Agradecimientos

III

IV

Índice General

• Capítulo 1: Introducción y estado del arte 1
‣ Introducción 2

‣ Motivaciones 2

‣ Estado del arte 3
• Capítulo 2: Planteamiento del problema 7
‣ Detección de objetos con Visión Artificial 8

‣ Navegación de robots mediante Láser 2D 9
• Capítulo 3: Solución propuesta 11
‣ Herramientas de trabajo 12

‣ Diagrama de bloques 12

‣ Captura de datos 13

‣ Proceso de calibración y conversión de datos 14

‣ Espacios de representación 16

‣ Filtrado de superficies 19

‣ Construcción del mapa cenital 23

‣ Detección de blobs mediante mapa cenital 35

‣ Segmentación de objetos mediante clustering 27

‣ Resultados del proceso completo 28
• Capítulo 4: Experimentos y análisis de los resultados 31
‣ Herramientas de trabajo 32

V

‣ Escenario de los experimentos 32

‣ Experimentos realizados 34

‣ Comparativa de los datos obtenidos con el láser 43
• Capítulo 5: Aplicaciones 45
‣ Navegación de robots autónomos 46

‣ Fusión sensorial 46

‣ Centro de área 48

‣ Detección de objetos 48
• Capítulo 6: Conclusiones y trabajos futuros 49
‣ Conclusiones 50

‣ Trabajos futuros 50
• Bibliografía 51

VI

!

Ángel Rivas Casado

Capitulo 1
Introducción y estado del arte

En este capítulo se centrara el trabajo dentro del campo de la visión artificial y la
robótica. Se expondrán las motivaciones del trabajo desarrollado. Y por último se
presentará el estado actual de las investigaciones relacionadas.

1

Compresión de escenarios 3D en mapas 2D y detección de objetos para navegación de robots autónomos
!

Introducción
Las tareas de mapeo en el campo de la robótica móvil son fundamentales para conseguir
un funcionamiento autónomo o semiautónomo del robot y, por lo tanto, ha sido objeto
de investigación en los últimos años. En este trabajo se ha implementado un algoritmo
para crear un mapa de un entorno e identificar los objetos que se encuentran en él.

La llegada de nuevas tecnologías de medición posibilitan el desarrollo de nuevos
algoritmos para la generación de mapa y detección de objetos en escenarios cerrados.
Para el desarrollo del proyecto, se ha utilizado tecnología de medición de espacios 3D de
la compañía PrimeSense.
Motivaciones
Durante las últimas décadas, desde la invención del primer robot industrial a finales de
los años 50, se ha producido un importante incremento en la investigación y desarrollo
en el campo de la robótica.

Los comienzos de esta disciplina se centraron en la robótica industrial, en primer lugar
porque se advirtieron rápidamente las ventajas en producción y coste en el sector
industrial, lo cual fomentó la investigación en este tipo de máquinas, y en segundo lugar
porque el nivel tecnológico de la época era insuficiente para la mayoría del resto de
aplicaciones de la robótica que se desarrollan en la actualidad.

Un aspecto determinante en la evolución de la robótica es la forma en que esta es
entendida por la sociedad: mientras que al principio se pensaba en la robótica como en
una herramienta para sustituir al ser humano en tareas pesadas o tediosas mejorando la
productividad y la seguridad, ahora se empieza a ver como algo que se puede fusionar
con el medio e interactuar con este y con el ser humano en sus tareas cotidianas. Así
surge la robótica de servicios.

Los robots de servicios son, según la IFR (International Federation of Robotics) [5], robots
que operan de forma parcial o totalmente autónoma, realizando servicios útiles para el
bienestar de los humanos y del equipo, excluyendo tareas industriales.

Dentro de la robótica de servicios se encuentran los robots móviles. Algunas funciones
reales para las que se utiliza esta clase de robots son las de vigilancia y seguridad [6],
limpieza y mantenimiento, automoción y exploración entre otras.

2

!
Ángel Rivas Casado
La principal problemática de los robots móviles reside en la navegación autónoma y la
incorporación de mayor cantidad de información posible de su entorno. De aquí surge la
motivación de este proyecto, de la necesidad de dotar a un robot autónomo móvil de la
habilidad de percibir con mayor precisión el entorno que le rodea para facilitar la
navegación y su localización.
Estado del arte
En este trabajo se hace uso de diferentes campos de investigación. El primero de ellos se
centra en el estudio de una nueva tecnología presentada en 2010 por la empresa
PrimeSense. El segundo campo abarca la navegación de robots autónomos y se centra en
el método del centro de área. Y por último, el campo de la visión artificial para la
detección y segmentación de objetos.
Tecnología de PrimeSense
En el año 2010 la compañía PrimeSense [1] presento una nueva tecnología para la
reconstrucción tridimensional de espacios cerrados basada en un chip patentado por la
misma compañía. Esta tecnología [2] utiliza un haz infrarrojo para marcar la escena
mediante una malla invisible con un patrón de puntos. Mediante una cámara infrarroja se
capturan las deformaciones de dicha malla sobre las superficies en la que esta incide.
Mediante el análisis de las deformaciones de la malla se consigue obtener una matriz de
medidas con una resolución de 640 por 480. Este sensor también proporciona una
imagen RGB y la entrada de fuentes de audio. En la figura 1.1 se muestra el esquema de
conexiones del chip desarrollado por PrimeSense.

Figura 1.1: Entradas / Salidas del chip desarrollado por PrimeSense

3

Compresión de escenarios 3D en mapas 2D y detección de objetos para navegación de robots autónomos
!
La compañía Microsoft comercializó a finales de 2010 una cámara, que utilizaba la
tecnología de PrimeSense, con el nombre comercial de Kinect [3]. Esta cámara
proporciona información de audio, vídeo y rango. Por desgracia Microsoft no proporciono
los drivers necesarios para su uso en ordenadores personales. Esto provoco un
movimiento por parte de hackers de todo el mundo para conseguir acceder a la
información que proporcionaba la cámara mediante un puerto USB 2.0. Un hacker
español consiguió la primera captura de datos mediante un ordenador. Éste fundo una
comunidad llama OpenKinect [4] que en la actualidad consta de más de 2000 miembros.
Posteriormente, la propia compañía PrimeSense publico un SDK llamado “PrimeSense
Developers Kit 5.0 which is anOpenNI 1.0 compliant 3D sensor” para el desarrollo de
soluciones mediante su tecnología. En la actualizad Microsoft ha liberado un SDK para el
desarrollo de aplicaciones basadas en Kinect con el fin de integrarlas en el próximo
sistema operativo Windows 8.
Navegación de robots autónomos
En el campo de la navegación autónoma se han presentado diversos algoritmos de
navegación desde sistemas reactivos hasta sistemas planificados. Este trabajo se centra
en el algoritmo de navegación del centro de área.

El algoritmo de navegación basado en el centro de área ([7], [8], [9], [10]) presenta una
manera revolucionaria en la manera en que el robot se desplaza por su entorno.
Proporciona unos movimientos suaves y continuos. El método surge de un sistema
bioinspirada basado en el desplazamiento de los humanos. Cuando estos