การนำทางและหลบหลีกสิ่งกีดขวางแบบอัตโนมัติภายนอกอาคารสำหรับหุ่นยนต์รถ

Abstract

งานวิจัยนี้เป็นการพัฒนาและออกแบบระบบนำทางและหลบหลีกสิ่งกีดขวางแบบอัตโนมัติ ภายนอกอาคารสำหรับทดสอบกับรถเอทีวีไฟฟ้าแบบ 4 ล้อ โดยการรวมเทคนิคแผนที่ตารางการ ครอบครองพื้นที่ เทคนิคสนามศักย์ และเทคนิคการวางแผนเส้นทางโคจรแบบเฉพาะที่ โดยประยุกต์ใช้ เซนเซอร์จีพีเอส เซนเซอร์วัดมุมเอียง และเซนเซอร์เลเซอร์ ในการป้อนกลับตำแหน่งของรถ ในการ บ่งบอกการหันเหของรถ และในการตรวจจับสิ่งกีดขวาง ตามลำดับ การทดลองแบ่งเป็น 3 ส่วนหลักได้แก่ ส่วนแรกเป็นการทดสอบระบบตรวจสอบสิ่งกีดขวาง โดยใช้เทคนิคแผนที่ตารางการครอบครองพื้นที่ ส่วนที่สองเป็นการทดสอบระบบหลบหลีกสิ่งกีดขวาง ทั้งการทดสอบด้วยการจำลองทางคณิตศาสตร์ในโปรแกรม MATLAB และทดสอบจริงในพื้นที่การ ทำงาน ในส่วนสุดท้ายของการทดลองจะเป็นการปรับปรุงระบบนำทางให้มีประสิทธิภาพที่ดีมากยิ่งขึ้น ในงานวิจัยนี้ทดสอบขั้นตอนการทำงานของตัวกรองคาลมานในการบูรณาการเซนเซอร์จีพีเอสร่วมกับ เซนเซอร์วัดความเร่ง จากผลการทดลองจริงในสภาวะแวดล้อมภายนอกอาคารนั้น ผลที่ได้คือ 1) หุ่นยนต์รถสามารถ ตรวจสอบและระบุตำแหน่งของสิ่งกีดขวางในพิกัดแบบโดยรวมทั้งหมดได้อย่างถูกต้องทั้งระยะทางที่ 8 และ 10 เมตร 2) หุ่นยนต์รถสามารถตรวจจับและหลบหลีกสิ่งกีดขวางแบบอยู่กับที่และนำทางไปยัง จุดพิกัดเป้าหมายที่ต้องการได้อย่างถูกต้อง 3) ระยะทางการเคลื่อนที่จากการบูรณาการข้อมูลเซนเซอร์ด้วย ตัวกรองคาลมานมีความใกล้เคียงกับระยะทางในการเคลื่อนที่เป็นเส้นตรงที่ระยะทาง 20 เมตร มากกว่า ระยะทางจากข้อมูลดิบที่ได้จากเซนเซอร์จีพีเอสรวมทั้งมีความเที่ยงตรงในการทำงานโดยจุดเริ่มต้นและ จุดสุดท้ายนั้นเป็นจุดเดียวกัน

In this research, the autonomous navigation and obstacle avoidance in outdoor environments are developed and designed for a four-wheel electrical ATV by combining occupancy-grid map, potential field technique and local incremental planning method. This four-wheel ATV is equipped with GPS, IMU, and laser range finder sensors for measuring car position, heading angle, and identifying obstacles, respectively. The experiments can be separated into 3 parts. The first part of experiments is to test an obstacle detection system using an occupancy-grid map technique. The second part of experiments is to test an obstacle avoidance algorithm both in MATLAB simulation and in the field-test experiment. In the last experiment, the kalman filter is used for integrating GPS with accelerometer to yield an improved position of the car’s navigation system. For the outdoor-environment experiment, the result is comprised of 1) this car robot can detect and identify the obstacle position in the global coordinate system correctly at a distance 8 and 10 meter, 2) this car robot can detect obstacle, avoid stationary obstacle, and navigate to the desire target waypoints correctly using the proposed global occupancy map and 3) a distance from sensor fusion using kalman filter technique for a straight-line motion of 20-meter back-and-forth is better than that of raw GPS data.