Please use this identifier to cite or link to this item:
https://hdl.handle.net/10316/35582
Title: | Exploração de ambientes desconhecidos com Clusters Robóticos | Authors: | Gouveia, Bruno Duarte | Orientador: | Marques, Lino José Forte | Keywords: | Robot Cluster; GMapping; MPI; Rao-Blackwellized Particle Filter; RBPF; Robótica móvel; ROS; SLAM; ZeroMQ | Issue Date: | 18-Sep-2013 | Serial title, monograph or event: | Exploração de ambientes desconhecidos com Clusters Robóticos | Place of publication or event: | Coimbra | Abstract: | Um dos problemas fundamentais de robótica móvel é a navegação, sendo este ainda mais acentuado quando o ambiente é desconhecido. Nesse âmbito foram implementados vários algoritmos entre quais a família de algoritmos de Simultaneous Localization And Mapping (SLAM). A presente dissertação descreve o desenvolvimento de um estudo sobre a aplicação de uma versão distribuída em cluster do algoritmo de SLAM GMapping, para explorar ambientes desconhecidos, numa configuração multirobot sem uso de computação externa ao sistema, continuando a explorar a ideia de “Robotic Clusters desenvolvida no Laboratório de Sistemas Embebidos (LSE). Foi desenvolvido um package em C/C++ para a plataforma Robot Operating System (ROS) e aplicado a um ambiente multirobot. Foi escolhido o algoritmo Grid Mapping (GMapping) por ser grid based, podendo assim funcionar em qualquer ambiente, e por ser mais facilmente adaptado a um ambiente em cluster. Numa primeira fase obteve-se um maior conhecimento sobre os conceitos de robótica móvel implementando uma plataforma móvel de raiz. Seguidamente passou-se a utilizar a plataforma Roomba. Testaram-se os algoritmos de localização Adaptive Monte Carlo Localization (AMCL) (com mapa conhecido) e GMapping (SLAM), utilizando Laser Range Finders e um Kinect como sensores, medindo o desempenho do sistema. Numa segunda fase implementaram-se duas arquitecturas em cluster do algoritmo GMapping. Na primeira abordagem tentou-se manter o sistema "stateless" para não haver dependência entre o cliente (robot a correr o algoritmo) e os "remote workers" (computadores/robots a correr parte do algoritmo). Devido aos resultados obtidos com datasets maiores implementou-se uma arquitectura que tentasse reduzir a comunicação, tendo que manter um estado global no sistema. A primeira abordagem produziu inicialmente bons resultados, obtendo-se um speedup de 1,32 sobre a versão linear do algoritmo, permitindo assim a um Eee PC 901 (Intel R AtomTM N270) correr o algoritmo em conjunto com um computador de apoio (Intel R CoreTM 2 Duo T9300), obtendo um mapa correcto. Contudo com Datasets maiores esta abordagem chegou rapidamente ao seu limite, o tempo de serialização dos mapas era superior ao tempo ganho pela distribuição. A segunda abordagem obteve bons resultados, mesmo em mapas maiores, resultando daí um speedup de 1,81 com um Remote Worker com 50% das partículas, usando o Dataset do Killian Court do Massachusetts Institute of Technology. Esta abordagem revelou-se menos limitada por haver menor troca de dados, podendo unicamente haver necessidade de serialização de mais dados na fase de Resampling, consoante a distribuição escolhida das partículas pelos computadores. | Description: | Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra | URI: | https://hdl.handle.net/10316/35582 | Rights: | openAccess |
Appears in Collections: | UC - Dissertações de Mestrado FCTUC Eng.Informática - Teses de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Exploracao de ambientes desconhecidos com Clusters Roboticos.pdf | 2.17 MB | Adobe PDF | View/Open |
Page view(s) 50
481
checked on Oct 8, 2024
Download(s)
389
checked on Oct 8, 2024
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.