Obtención de barridos láser 3D nivelados conn el robot móvil Andábata en movimiento

OBTENCI ´ ON DE BARRIDOS L ´ ASER 3D NIVELADOS CON EL ROBOT M ´ OVIL AND ´ ABATA EN MOVIMIENTO Jorge L. Mart´ınez, Jes´us Morales y Manuel Zafra [email protected], [email protected], man[email protected] Universidad de M´alaga, Andaluc´ıa Tech, Dpto. Ingenier´ıa de Sistemas y Autom´atica Calle Dr. Ortiz Ramos s/n, 29071-M´alaga Resumen Este art´ıculo describe la adquisici´on de barridos tridimensionales (3D) nivelados en el robot m´ovil And´abata sin necesidad de detener su movimiento. Para ello, la computadora de And´abata debe integrar cada uno de los rangos l´aser, adquiridos con unos determinados ´angulos de cabeceo y gui˜nada, con la informaci´on odom´etrica y las medidas de inclinaci´on del veh´ıculo para producir coordenadas Cartesianas niveladas referenciadas al inicio de cada barrido. Todo ello se ha realizado bajo el sistema operativo de robots ROS con la ayuda de paquetes est´andard. El correcto funcionamiento de este esquema local de Localizaci´on y Modelado Simult´aneos (SLAM) se ha comprobado experimentalmente sobre terreno inclinado. Palabras clave: Robots m´oviles, tel´emetro l´aser, nube de puntos 3D, SLAM local. 1. INTRODUCCI ´ ON Los robots m´oviles terrestres necesitan disponer de informaci´on detallada y actualizada del entorno que los rodea para poder navegar de forma segura. Los tel´emetros l´aser tridimensionales (3D) son sensores que se utilizan con asiduidad para obtener nubes de puntos de la superficie por la que se debe desplazar el veh´ıculo. As´ı, resulta frecuente emplearlos sobre terreno irregular en ´areas de cat´astrofes [ 8 ], zonas naturales [ 13 ] o superficies planetarias [11]. Muchos de los sensores l´aser 3D utilizados en rob´otica se construyen a˜nadiendo una rotaci´on a un tel´emetro l´aser comercial bidimensional (2D). Este tipo de esc´aner es m´as econ´omico, pero el tiempo de adquisi´on de un barrido l´aser 3D denso resulta bastante significativo [ 5 ]. Por ello, hasta no hace demasiado tiempo, era usual detener al robot para realizar la toma de datos 3D [ 9 ]. En la actualidad, para integrar sin detenerse todos los rangos medidos en un sistema de referencia com´un se requiere emplear alg´un m´etodo de Localizaci´on y Modelado Simult´aneos (SLAM) [ 1 ][ 14 ]. La nube de puntos 3D resultante puede servir para representar el terreno cercano al robot m´ovil durante la navegaci´on local [4]. Este art´ıculo describe la adquisici´on de barridos 3D nivelados en movimiento con el robot m´ovil And´abata (ver Figura 1) bajo el sistema operativo para robots ROS [ 10 ]. El correcto funcionamiento de este esquema de SLAM local para corregir distorsiones debidas al desplazamiento del veh´ıculo se ha comprobado de forma experimental a baja velocidad. El art´ıculo est´a organizado de la siguiente forma. En el apartado 2 se repasan las principales caracter´ısticas de And´abata incluyendo su sensor l´aser 3D. A continuaci´on se describen los nodos empleados en ROS y las relaciones entre los mismos. Los resultados experimentales se presentan en el apartado 4. Por ´ultimo, se muestran las conclusiones obtenidas. Figura 1: El robot m´ovil And´abata. Figura 2: Conexiones entre los distintos elementos de And´abata. 2. EL ROBOT M ´ OVIL AND ´ ABATA And´abata es un robot m´ovil 4x4 alimentado por bater´ıas construido para la navegaci´on aut´onoma en entornos naturales [ 6 ]. El robot pesa 41 kg en total y sus dimensiones m´aximas son 67 cm de largo, 54 cm de ancho y 81 cm de alto (ver Figura 1). El robot tiene tres niveles: el inferior en el que se sit´uan las bater´ıas, el intermedio para las etapas de potencia de los motores y la computadora, y el superior para los sensores y el enrutador WiFi. La computadora posee un procesador Intel Core i7 4771 (3,5 GHz, 8 MB cache) y 16 GB RAM. And´abata se desplaza mediante tracci´on por deslizamiento (skid-steering) que le proporcionan sus cuatro ruedas de 20 cm de di´ametro. Cada rueda posee su propio motor con codificador, una reductora con relaci´on de 1 a 37, y un sistema de suspensi´on pasiva formado por dos muelles y una gu´ıa lineal de 6,5 cm de recorrido. La velocidad m´axima del veh´ıculo es de 0,68 m/s en l´ınea recta, pero decrece conforme se reduce el radio de giro. El control de bajo nivel de los motores de tracci´on se compone de dos etapas de potencia conmutadas Sabertooth 2x32 conectadas a dos placas de control Kangaroo x2. Estas ´ultimas reciben de la computadora las ´ordenes de velocidad de las ruedas, y le env´ıan las velocidades estimadas de cada rueda a trav´es de un puerto USB (ver Figura 2). And´abata cuenta con un tel´efono m´ovil para obtener datos de su GPS, inclin´ometros, gir´oscopos y magnet´ometros. El tel´efono tambi´en env´ıa im´agenes de v´ıdeo a una tableta para la supervisi´on remota del robot mediante el enrutador WiFi (ver Figura 2). Adem´as, se ha construido un tel´emetro l´aser 3D, llamado UNO-Motion, a partir del esc´aner bidimensional (2D) Hokuyo UTM-30LX-EW. El sensor 3D pesa 1,9 kg y sus dimensiones son 125 × 170 ×122 mm [ 5 ]. Tiene una cabeza giratoria, donde se ubica el tel´emetro l´aser 2D y una base que proporciona el giro adicional (ver Figura 3). La transmisi´on de energ´ıa y se˜nales entre la base y la cabeza giratoria se realiza mediante un anillo rozante. Figura 3: Principales componentes del esc´aner l´aser 3D. El eje de giro est´a alineado con el centro ´optico del sensor 2D, por lo que el sensor 3D tiene el mismo rango de medidas de 0,1 m a 30 m (que se reduce a 15 m con luz solar directa) y la misma resoluci´on angular vertical de 0,25◦ que el esc´aner de Hokuyo. La resoluci´on horizontal puede modificarse actuando sobre la velocidad de giro de la cabeza, de la que depende la velocidad de adquisici´on de un barrido 3D. Por ejemplo, para una resoluci´on horizontal de 0,67◦ se necesitan 6,75 s para completar un barrido 3D con media vuelta de la cabeza. Adem´as, la zona ciega del sensor 2D de 90◦ se sit´ua debajo para evitar interferencias con la base del sensor 3D. As´ı, la zona ciega de UNO-Motion es un cono en el que el radio de la base h es igual a la altura del centro ´optico del esc´aner (ver Figura 4). Montado sobre And´abata, se ha estimado una altura sobre el suelo de h= 0,723 m [5]. 3. IMPLEMENTACI ´ ON EN ROS Sea XY Z el sistema de referencia asociado al robot situado en el centro geom´etrico del rect´angulo definido por los puntos de contacto de las ruedas con el suelo. El eje X est´a alineado con la direcci´on longitudinal del veh´ıculo y su sentido de avance, mientras que el eje Z es normal al plano de apoyo y apunta hacia arriba (ver Figura 5). Las coordenadas cartesianas de los puntos de un barrido 3D van a estar expresadas en un sistema de referencia XpYpZp cuyo origen coincide con el del veh´ıculo al inicio del barrido. El eje Zp se define con la misma direcci´on que la gravedad y sentido opuesto, el eje Xp coincide con la proyecci´on del eje X sobre el plano horizontal, y el eje Yp se sit´ua perpendicular al plano ZpXp formando un sistema dextr´ogiro (ver Figura 5). La Figura 6 muestra los nodos empleados en ROS para construir nubes de puntos 3D niveladas. En conjunto, se trata de un esquema de SLAM local a baja velocidad y sin cierre de bucles. Figura 4: Zona ciega del tel´emetro l´aser 3D. Figura 5: Sistemas de coordenadas del robot (XY Z) y del barrido nivelado (XpYpZp). En primer lugar se puede observar el nodo teleoperaci´on que env´ıa consignas de velocidad a las ruedas del robot usando una tableta. Este nodo recibe informaci´on de dos aplicaciones desarrolladas en el sistema operativo Android: andabata , que es una adaptaci´on de moverbot [ 2 ]. Esta aplicaci´on se ejecuta tanto en la tableta, donde cuenta con una interfaz de usuario, como en el tel´efono para comunicarse con la computadora a trav´es de un puerto USB (ver Figura 2), y android_sensor_driver , que publica en la computadora topics con datos sensoriales de la tableta y del tel´efono a trav´es de la red WiFi [12]. El nodo odometr´ıa se encarga de computar la velocidad longitudinal y angular del veh´ıculo. Para ello utiliza las medidas de las velocidades de las ruedas sobre un modelo cinem´atico 2D aproximado del sistema de locomoci´on [3]. El nodo robot_localizacion emplea un filtro de Kalman Unscented [ 7 ] para fusionar los ´angulos de alabeo y cabeceo, la velocidad de gui˜nada del tel´efono (que publica android_sensor_drivers ), y las velocidades proporcionadas por odometr´ıa . De esta forma se obtiene la relaci´on entre los sistemas de referencia XpYpZpyXY Z. Por su parte, el nodo uno_motion_node env´ıa comandos de velocidad de giro y recibe de forma peri´odica (cada 25 ms ) el ´angulo relativo entre la cabeza y la base al inicio de cada barrido 2D mediante la conexi´on USB del sensor 3D. Este nodo publica la transformaci´on entre el sistema de referencia del sensor l´aser 2D y el del robot XY Z . Adem´as, el nodo urg_node permite configurar el sensor Hokuyo y publica los barridos 2D que la Figura 6: Nodos en ROS para implementar SLAM local. computadora recibe a trav´es de la conexi´on Ethernet (ver Figura 2). Por ´ultimo, el nodo cloudMaker_node publica la nube de puntos 3D nivelada combinando los barridos 2D mediante las transformaciones relativas entre el sistema de referencia del l´aser y el del veh´ıculo ( XY Z ), y entre este ´ultimo y el del barrido 3D (XpYpZp). 4. RESULTADOS EXPERIMENTALES Para comprobar el correcto funcionamiento del sistema de adquisici´on de datos programado en ROS, se han hecho experimentos en movimiento sobre terreno inclinado mientras And´abata se teleoperaba. En la Figura 7 se muestran detalles de dos barridos 3D tras un giro de 180◦ y de 360◦ del sensor l´aser 2D. En ambos casos se puede observar la zona ciega alrededor del robot m´ovil y que hay zonas que se han muestreado de forma redundante. Sin embargo, con media vuelta de la cabeza del esc´aner 3D no se alcanza a observar todo el terreno alrededor del robot debido al propio movimiento del veh´ıculo, por lo que resulta necesario dar una vuelta entera a la cabeza para poder tener una imagen completa. En el v´ıdeo que acompa˜na a este art´ıculo se muestra la superposici´on de sucesivos barridos l´aser 3D en el sistema de referencia del primer barrido. Estos barridos completos se han obtenido en una carretera en pendiente durante un recorrido de ida y vuelta a baja velocidad (ver Figura 8(b)). Se puede observar que todos los barridos l´aser forman una imagen n´ıtida del entorno cercano donde son claramente distinguibles los contornos de las barandillas y del edificio cercano (ver Figura 8(a)). De esta forma, se comprueba que el SLAM local no solo es v´alido para obtener por separado barridos l´aser 3D nivelados y sin distorsiones, sino que tambi´en puede funcionar bien para peque˜nos recorridos. 5. CONCLUSIONES En este art´ıculo se ha descrito el sistema de adquisici´on de barridos 3D nivelados con el robot m´ovil And´abata en movimiento. Este esquema de SLAM local se ha programado con una serie de nodos bajo el sistema operativo de robots ROS con la ayuda de paquetes est´andard. Para ello, se integran cada uno de los barridos 2D con la informaci´on odom´etrica e inercial, y las medidas de inclinaci´on del veh´ıculo para producir coordenadas Cartesianas niveladas referenciadas al inicio del barrido. De esta forma, se corrigen las distorsiones en la toma de datos debidas al movimiento del veh´ıculo. El correcto funcionamiento de todos los nodos desarrollados en ROS se ha comprobado experimentalmente con And´abata sobre terreno inclinado. En la actualidad, los barridos l´aser 3D nivelados se est´an utilizando para la construcci´on de mapas locales con los que se planifican caminos para la navegaci´on aut´onoma en entornos naturales mediante el GPS y el magnet´ometro del tel´efono m´ovil. Agradecimientos Este trabajo ha sido subvencionado en parte por el proyecto espa˜nol DPI 2015-65186-R y por el proyecto andaluz PE-2010 TEP-6101-R. Referencias [1] H. Almqvist, M. Magnusson, and A. Lilienthal, Improving point cloud accuracy obtained from a moving platform for consistent pile attack pose estimation, Journal of Intelligent and Robotic Systems: Theory and Applications, vol. 75, no. 1, pp. 101-128, 2014. (a) (b) Figura 7: Detalle de dos barridos l´aser 3D obtenidos tras media vuelta (a) y tras una vuelta completa (b) del sensor l´aser 2D. [2] P. Bovbel and F. Andargie, Mover-bot, https://code.google.com/p/mover-bot/, 2014. [3] A. Mandow, J. L. Mart´ınez, J. Morales, J. L. Blanco, A. Garc´ıa-Cerezo and J. Gonz´alez Experimental kinematics for wheeled skid-steer mobile robots, Proc. IEEE International Conference on Intelligent Robots and Systems, San Diego, USA, pp. 1222-1227, 2007. [4] J. L. Mart´ınez, A. Mandow, A. Reina and T. J. Cantador, J. Morales and A. Garc´ıa-Cerezo, Navigability analysis of natural terrains with fuzzy elevation maps from ground-based 3D range scans, Proc. IEEE/RSJ International Conference on Intelligent Robots and Systems, Tokyo, Japan, pp. 1576-1581, 2013. [5] J. L. Mart´ınez, J. Morales, A. J. Reina, A. Mandow, A. Peque˜no-Boter and A. Garc´ıaCerezo, Construction and calibration of a lowcost 3D laser scanner with 360◦ field of view for mobile robots, in Proc. IEEE International Conference on Industrial Technology, Sevilla, pp. 149-154, 2015. (a) (b) Figura 8: Superposici´on de sucesivos barridos 3D obtenidos en movimiento (a) sobre una carretera con pendiente (b). [6] J. L. Mart´ınez, Navegaci´on aut´onoma de un robot m´ovil 4X4, http://www.uma.es/cms/base/ver/section/ document/73618/navegacion-autonoma-deun-robot-movil-4x4/, 2016. [7] T. Moore and D. Stouch, A Generalized Extended Kalman Filter Implementation for the Robot Operating System, Proc. 13th International Conference on Intelligent Autonomous Systems, Padova, Italia, 2014. [8] K. Nagatani, N. Tokunaga, Y. Okada, K. Yoshida, Y. Hada, T. Yoshida and E. Koyanagi, Teleoperation of all-terrain robot using continuous acquisition of three-dimensional environment under time-delayed narrow bandwidth communication, Proc. IEEE International Workshop on Safety, Security & Rescue Robotics, Denver, USA, 2009. [9] A. N¨uchter, 3D Robotic Mapping: The Simultaneous Localization and Mapping Problem with Six Degrees of Freedom, Chapter 6: Experiments and Results, Springer-Verlag, 2009. [10] M. Quigley, B. Gerkey, K. Conley, J. Faust,T. Foote, J. Leibs, E.Berger, R. Wheeler, and A. Ng, ROS: an open-source robot operating system, Proc. Workshop on Open Source Software, IEEE International Conference on Robotics and Automation, Kobe, Japan, 2009. [11] I. Rekleitis, J. L. Bedwani, E. and Dupuis, T. Lamarche and P. Allard,Autonomous overthe-horizon navigation using LIDAR data, Autonomous Robots, vol. 34, num. 1-2, pp. 1-18, 2013. [12] C. Rockey and A. Furlan, ROS Android Sensors Driver, https://github.com/chadrockey/android sen sors driver, 2012. [13] J. Ser´on, J. L. Mart´ınez, A. Mandow, A. J. Reina, J. Morales, and A. Garc´ıa-Cerezo, Automation of the arm-aided climbing maneuver for tracked mobile manipulators, IEEE Transactions on Industrial Electronics, vol. 61, no. 7, pp. 3638-3647, 2014. [14] R. Zlot and M. Bosse, Efficient large-scale three-dimensional mobile mapping for underground mines, Journal of Field Robotics, vol. 31, no. 5, pp. 731-752, 2014.