This thesis aims to illustrate the work done during the internship experience at the company IDEA Soc. Coop. in Ancona. The goal of the project is to develop an autonomous localization and navigation system in ROS that allows a differentially wheeled AMR to move autonomously within an indoor environment. An autonomous navigation algorithm involves the generation of a map of the surrounding environment and the estimation of the robot's position. For the purpose of this project, these tasks were performed separately so that different approaches could be tested and used for each activity. Accordingly, the procedural steps followed to achieve the goal are: - Mapping: information from the scans taken by the RP LIDAR A1 sensor is used to generate a map; - Local localization: odometry data providing information about the position and speed of the robot from the local point of view are used to localize the robot locally; - Global localization: odometry and laser scans are merged to estimate the state of the robot within the map.Two different approaches were considered for this task: a particle filter and an extended Kalman filter. - Autonomous navigation: once the map and location within it have been obtained, a goal can be provided to the algorithm that will be achieved through trajectory planning and speed commands sent to the wheels. In the thesis work, all these stages have been explained, starting from an initial in-depth study of the hardware and software structure to an analysis of the tests performed.
Questa tesi ha come scopo quello di illustrare il lavoro svolto durante l’esperienza di tirocinio presso l’azienda IDEA Soc. Coop. di Ancona. L’obiettivo del progetto consiste nello sviluppo di un sistema di localizzazione e navigazione autonoma in ROS che permetta ad un AMR a guida differenziale di muoversi autonomamente all’interno di un ambiente indoor. Un algoritmo di navigazione autonoma prevede la generazione di una mappa dell’ambiente circostante e la stima della posizione del robot. Ai fini di questo progetto, questi task sono stati svolti separatamente, in modo da poter testare ed utilizzare diversi approcci per ogni attività. Di conseguenza, i passi procedurali seguiti per il raggiungimento dell’obiettivo sono: - Mapping: vengono utilizzate le informazioni relative alle scansioni effettuate dal sensore RP LIDAR A1 per generare una mappa; - Localizzazione locale: vengono utilizzati i dati odometrici che forniscono informazioni sulla posizione e sulla velocità del robot dal punto di vista locale; - Localizzazione globale: l’odometria e le scansioni laser vengono fuse per stimare lo stato del robot all’interno della mappa. Per questo task sono stati presi in considerazione due diversi approcci: un filtro particellare e un filtro di Kalman esteso. - Navigazione autonoma: ottenuta la mappa e la localizzazione all’interno di essa, si può fornire all’algoritmo un goal che verrà raggiunto tramite una pianificazione della traiettoria e dei comandi di velocità inviati alle ruote. Nel lavoro di tesi sono state ripercorse tutte queste tappe, partendo da un primo approfondimento sulla struttura hardware e software fino ad arrivare all’analisi dei test svolti.
Implementazione di metodi probabilistici LIDAR-based per la localizzazione indoor finalizzati alla navigazione autonoma di una piattaforma robotica mobile
ANDREOZZI, CARMEN
2022/2023
Abstract
This thesis aims to illustrate the work done during the internship experience at the company IDEA Soc. Coop. in Ancona. The goal of the project is to develop an autonomous localization and navigation system in ROS that allows a differentially wheeled AMR to move autonomously within an indoor environment. An autonomous navigation algorithm involves the generation of a map of the surrounding environment and the estimation of the robot's position. For the purpose of this project, these tasks were performed separately so that different approaches could be tested and used for each activity. Accordingly, the procedural steps followed to achieve the goal are: - Mapping: information from the scans taken by the RP LIDAR A1 sensor is used to generate a map; - Local localization: odometry data providing information about the position and speed of the robot from the local point of view are used to localize the robot locally; - Global localization: odometry and laser scans are merged to estimate the state of the robot within the map.Two different approaches were considered for this task: a particle filter and an extended Kalman filter. - Autonomous navigation: once the map and location within it have been obtained, a goal can be provided to the algorithm that will be achieved through trajectory planning and speed commands sent to the wheels. In the thesis work, all these stages have been explained, starting from an initial in-depth study of the hardware and software structure to an analysis of the tests performed.File | Dimensione | Formato | |
---|---|---|---|
Tesi Carmen Andreozzi.pdf
accesso aperto
Descrizione: Documento di tesi Carmen Andreozzi
Dimensione
5.14 MB
Formato
Adobe PDF
|
5.14 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/15988