1. MLR MAP LEARNING ROBOT בוצע ע"י : בוצע ע"י : אורן יהב אורן יהב ודורון ארנון ודורון ארנון מנחה : מנחה : קובי כוחי קובי כוחי

2. מטרת הפרויקט שרטוט ולמידת מפת הליכה של רובוט מנווט אוטונומית. של רובוט מנווט אוטונומית.  ניווט אוטונומי במבנה אקראי.  ניתוח תוצאות בעלות רעש מדידה גבוה.  ישום מודל סינון בתוכנת.MATLAB  מציאת נקודת יציאה

3. תיאור עקרוני של המערכת

4. הרובוט המדידות נערכות בעזרת החיישנים הבאים:  מצפן (כחול)  8 מדי מרחק המפוזרים בצורה סימטרית מסביב לרובוט (אדום)

5. אלגוריתם ההליכה של MLR

6. תקשורת נתונים תוכנית MATLAB מעבירה אות הפעלה. MLR מבצע את אלגוריתם ההליכה ושולח מידע חזרה לMATLAB אחרי כל וקטור הליכה. המידע מעובד ונשמר לקובץ. SERIAL PORT

7. עיבוד בMATLAB  קבלת הנתונים בMATLAB בצורה של מטריצה.  הפעלת תוכנית לעיבוד וסינון הנתונים שנשלחו ע"י MLR. ע"י MLR.  הצגת תמונה גרפית של המבוך.

8. עיבוד המידע – רעיונות מרכזיים קביעת נקודת התחלה (Xo,Yo)הוספת ווקטור ההליכה ( מרחק, זווית )השלמה של הקירות לפי תבנית הסתברותיתעיבוד נתוני הווקטור לתוך התמונה הכללית

9. בעיות חומרה ותוכנה חיישני מרחק :  טווח מדידה של 10 עד 80 ס"מ.  שגיאות מדידה גדלות כתלות במרחק. מצפן :  סטיות בעקבות רעשים.  סטיות בתנועת הרובוט.  שגיאות מובנות במצפן. אלגוריתם :  אי דיוק בתנועת הרובוט האוטונומי הנובע מהפרעות חיצוניות.

10. מודל סטטיסטי לתיקון שגיאות תמונה מורעשת תמונה אחרי עיבוד

11. עיבוד המידע – מצפן מודלים לחישוב זווית ההליכה :  Angle1 - חישוב הזווית ישירות מהמצפן.  Angle2 – חישוב הזווית מפניות הרובוט. הסתברות לשימוש במודלים :  P(Angle1 | Vector ) - הסתברות לנכונות Angle1. הסתברות מותנת ב – Vector :  השיפועים מהקיר לאורך ההליכה.  שינויי מהירות הגלגלים.  אורך הליכות קודמות.

12. עיבוד המידע – חיישני מרחק  הסתברות לקיום קיר : בצד ההליכה (s) 1 = Ps(Xi) בצד ההליכה (s) 1 = Ps(Xi) בצד הנגדי (o) Po(Xi | Ship(s) ) בצד הנגדי (o) Po(Xi | Ship(s) )  שיערוך המרחק של הקירות (לפי הסתברות הצפיפות) : - המרחק מהקיר לפי החישנים. - המרחק המשוערך מהקיר.

13. עיבוד המידע – למידת הנקודות  בניית מערך נקודות תחילת ווקטורים והקצאת אינדקס מתאים לפי סדר התנועה.  הגדרת סביבה תלויה בגודל הווקטור, חיפוש בסביבה אחר נקודות במערך.  הורדת נקודות הנמצאות על הזנב של קו ההליכה בתוך הסביבה.

14. דוגמת הרצה

16. Map Learning and HighSpeed Navigation in RHINO מיפוי המבוך : מפת המבוך הינה סריג של נקודות, לכל נקודה קיימת הסתברות המותנת במדידות לקיום או אי קיום קיר. חומרה : סונרים ו IR למדידת מרחק. 2 מעבדי 486. דוגמת הרצה :

17. Weighted Line Fitting Algorithms for Mobile Robot Map Building and Efficient Data Representation מיפוי המבוך : הגדרת שגיאת מדידה מסביב לכל נקודה, שיערוך קו הקיר כך שיעבור במרחב השגיאה של מאקסימום נקודות וחיבור קו נוכחי עם קוים קיימים. חומרה : סונרים ו לייזר למדידת מרחק. דוגמת הרצה :

18. סיכום ניסינו ליישם שיטת מיפוי של מבוך שתוארה במאמר של רובוט ה – RHINO. חומרת הרובוט היתה שונה מחומרת ה – RHINO (לא אידיאלית) בנינו שני מודלים סטטיסטיים :  חיישני מרחק : חיזוי לקיום קיר ושיערוך המרחק.  מצפן : שיערוך הזווית הנכונה. בעזרת עיבוד הנתונים קיבלנו תמונה מסוננת המאפשרת זיהוי מבנה החדר ולמידת נקודות חזרה.