Kamerabasert navigasjonssystem implementert i MATLAB for fjernstyring av mobil robot

Abstract

Denne rapporten omhandler utvikling, konstruksjon og testing av en fysisk modell som både skal kunne brukes i laboratoriesammenheng for fremtidige kybernetikkstudenter ved Universitetet i Stavanger (UiS), og for å skape interesse rundt kybernetikklinjen ved skolemesser og presentasjoner. Praktisk løsning for modellen består av følgende komponenter: en mobil robot fra Lego Mindstorms NXT, to baller, et webkamera, og den fysiske konstruksjonen som definerer robotens arbeidsområde. Programvare som styrer roboten i arbeidsområdet er blitt utviklet, og testet i forhold til både funksjonalitet og presisjon ved implementering av praktisk oppgave i modellen. Programvaren ble utviklet i, og implementeres fra MATrix LABoratory (MATLAB) på en ekstern datamaskin (PC). For kommunikasjon mellom MATLAB og Lego Mindstorm NXT, er det tidligere blitt utviklet en verktøykasse til MATLAB for dette formålet ved Universitetet i Aasden i Nederland [1]. Verktøykassen inneholder ferdiglagede MATLAB funksjoner for kommunikasjon med og kontroll av robotens sensorer og motorer. All kommunikasjon i modellen ble satt opp i forprosjektet som vist i appendiks A. Implementasjon av programvaren innebærer at roboten skal lokalisere sin egen posisjon og orientering i planet, samt ballenes posisjon, deretter posisjonere seg ved nærmeste ball, og slå denne mot den andre ballen. For å kunne utføre denne oppgaven ble design av roboten gjort med fokus på både gode manøvreringsegenskaper, og konstruksjon av en robust slagarm. Programvaren består i hovedsak av 2 hovedalgoritmer, en for objektgjenkjenning som beregninger nødvendige objektkoordinater, og en for posisjonering som fysisk styrer roboten til en ønsket posisjon. Disse algoritmene integrerer henholdsvis bildebehandling og reguleringsteknikk ved lokalisering og posisjonering av roboten. For å styre roboten med god presisjon er beregning av aktuelle objektkoordinater før og under programimplementeringen essensielt. Modellens kamera (som kobles til PC via en universell seriebuss (USB) kabel) innhenter nødvendig bildedata til MATLAB, som ved bildebehandling beregner nødvendige objektkoordinater. Denne algoritmen finner først bildets interesseområde (ROI), deretter segmenteres fargebildet inn i fargekomponentbilder som konverteres til binære bilder ved terskling. Binære morfologiske operasjoner fjerner støy og skiller ut de interessante objekter fra bildene med ulike teknikker og identifiserer objektets koordinat til slutt. Alle koordinater i systemet defineres ut fra bildeplanet etter utført bildebehandling, og brukes som utgangspunkt for posisjoneringen. I bildeplanet fremstår alle objekter som en projeksjon av det opprinnelige objektet i scenen. Bildeprojeksjonen introduserer en feilmargin som resulterer i en misvisning av de beregnede koordinatene. Feilmarginen ble funnet som en funksjon av robotens posisjon i planet ved testing, og automatisk korreksjon for misvisningen er implementert i programvaren. Korreksjonen viste en dokumentert forbedret presisjon ved posisjonering av roboten. Flere faktorer spiller inn på programvarens stabilitet og presisjon. Varierende lysforhold gir utfordringer i forhold til riktig objektdeteksjon. Roboten posisjoneres ved bruk av to metoder: sving og drift rett fram. Disse metodene ble modellert og implementert i reguleringssløyfer, og kontrolleres med henholdsvis tilbakekobling og foroverkobling. Robotens svingprosess består av to lineære servomekanismer, og null statisk reguleringsavvik oppnås ved implementasjon av en Proporsjonal-regulator (P-regulator) i programvaren. Programvarens presisjon ble testet i forhold til posisjonering av roboten, samtidig som robotens treffsikkerhet ble dokumentert. Ulike treffpunkter for ball på slagarmen gir ulike ballbaner slik at robotens treffprosenten avhenger presis posisjonering. Dette kombinert med unøyaktighet i forhold til beregnede koordinater for posisjonering (selv med korreksjon for misvisning) gjør at treffsikkerheten faller raskt som en funksjon av avstanden mellom ballene. Rapportens testresultater tilsier at programvaren er funksjonell, men unøyaktigheter i modellen fører til en reduksjon i treffpresisjonen. Korreksjon for projeksjonsfeil i modellen gir alikevel en bedre treffprosent som følge av nøyaktigere robotposisjonering.