Autonomous robots use sensors to acquire knowledge about the state of the world, in particular to reduce their uncertainty about critical variables related to the assigned tasks. When multiple sensors observe different aspects of the reality, they report noisy, overlapping, possibly contradictory measurements that have to be properly processed to update the robot internal belief. In this work we introduce ROAMFREE, a general, open-source, framework for multi-sensor fusion and parameter self-calibration in mobile robotics. A comprehensive logical sensors library allows to abstract from the actual hardware and processing while preserving modeling accuracy thanks to a rich set of calibration parameters (e.g., sensor geometric placement, biases, gains and distortion matrices). A modular formulation of the information fusion problem has been obtained based on state-of-the-art factor-graph inference techniques; it allows to handle arbitrary number of multi-rate sensors and to adapt to virtually any kind of mobile robot platforms, such as Ackerman steering vehicles, quadrotor unmanned aerial vehicles, omni-directional mobile robots. Different solvers are available to target both high-rate online pose tracking tasks and offline accurate trajectory smoothing and parameter self-calibration. An extensive evaluation of the resulting framework has been performed on different mobile robots. ROAMFREE has already proved its flexibility and out-of-the-box deployment in several, real-world, information fusion and sensor self-calibration problems.

I robot autonomi utilizzano sensori per acquisire conoscenza sullo stato del mondo, in particolare per ridurre l'incertezza riguardo variabili critiche per l'esecuzione dei compiti assegnati. Quando piu' sensori osservano differenti aspetti della realta', restituiscono misure rumorose e possibilmente contraddittorie che devono essere processate per aggiornare l'opinione interna del robot riguardo lo stato del mondo. In questo lavoro si introduce ROAMFREE, un framework generale, open-source, per la fusione multi-sensoriale e la calibrazione automatica dei parametri in robotica mobile. Una comprensiva libreria di sensori logici consente di astrarre dai sensori hardware effettivamente utilizzati pur mantenendo un elevato dettaglio di modellizzazione grazie a un ricco set di parametri di calibrazione, come il posizionamento geometrico dei sensori, bias, e coefficienti di distorsione. Una formulazione modulare del problema di fusione dell'informazione e' stata ottenuta basandosi su moderne tecniche di inferenza su factor-graph; questa consente di gestire un numero arbitrario di sensori e di adattarsi virtualmente ad ogni tipo di piattaforma robotica, come veicoli a geometria di sterzo Ackermann, quadrirotori, e molte altre. Differenti algoritmi sono disponibili per affrontare sia problemi di stima della posizione e dell'orientamento in tempo reale, sia problemi di calibrazione dei parametri fuori linea. Una estensiva valutazione del framework e' stata effettuata ed il framework ROAMFREE ha gia' dimostrato la sua flessibilita' e potenza in molti contesti reali di stima e calibrazione.

A general sensor-fusion and parameters self-calibration framework with applications in mobile robotics

CUCCI, DAVIDE ANTONIO

Abstract

Autonomous robots use sensors to acquire knowledge about the state of the world, in particular to reduce their uncertainty about critical variables related to the assigned tasks. When multiple sensors observe different aspects of the reality, they report noisy, overlapping, possibly contradictory measurements that have to be properly processed to update the robot internal belief. In this work we introduce ROAMFREE, a general, open-source, framework for multi-sensor fusion and parameter self-calibration in mobile robotics. A comprehensive logical sensors library allows to abstract from the actual hardware and processing while preserving modeling accuracy thanks to a rich set of calibration parameters (e.g., sensor geometric placement, biases, gains and distortion matrices). A modular formulation of the information fusion problem has been obtained based on state-of-the-art factor-graph inference techniques; it allows to handle arbitrary number of multi-rate sensors and to adapt to virtually any kind of mobile robot platforms, such as Ackerman steering vehicles, quadrotor unmanned aerial vehicles, omni-directional mobile robots. Different solvers are available to target both high-rate online pose tracking tasks and offline accurate trajectory smoothing and parameter self-calibration. An extensive evaluation of the resulting framework has been performed on different mobile robots. ROAMFREE has already proved its flexibility and out-of-the-box deployment in several, real-world, information fusion and sensor self-calibration problems.
FIORINI, CARLO ETTORE
BONARINI, ANDREA
12-dic-2014
I robot autonomi utilizzano sensori per acquisire conoscenza sullo stato del mondo, in particolare per ridurre l'incertezza riguardo variabili critiche per l'esecuzione dei compiti assegnati. Quando piu' sensori osservano differenti aspetti della realta', restituiscono misure rumorose e possibilmente contraddittorie che devono essere processate per aggiornare l'opinione interna del robot riguardo lo stato del mondo. In questo lavoro si introduce ROAMFREE, un framework generale, open-source, per la fusione multi-sensoriale e la calibrazione automatica dei parametri in robotica mobile. Una comprensiva libreria di sensori logici consente di astrarre dai sensori hardware effettivamente utilizzati pur mantenendo un elevato dettaglio di modellizzazione grazie a un ricco set di parametri di calibrazione, come il posizionamento geometrico dei sensori, bias, e coefficienti di distorsione. Una formulazione modulare del problema di fusione dell'informazione e' stata ottenuta basandosi su moderne tecniche di inferenza su factor-graph; questa consente di gestire un numero arbitrario di sensori e di adattarsi virtualmente ad ogni tipo di piattaforma robotica, come veicoli a geometria di sterzo Ackermann, quadrirotori, e molte altre. Differenti algoritmi sono disponibili per affrontare sia problemi di stima della posizione e dell'orientamento in tempo reale, sia problemi di calibrazione dei parametri fuori linea. Una estensiva valutazione del framework e' stata effettuata ed il framework ROAMFREE ha gia' dimostrato la sua flessibilita' e potenza in molti contesti reali di stima e calibrazione.
Tesi di dottorato
File allegati
File Dimensione Formato  
thesis.pdf

accessibile in internet per tutti

Dimensione 15.7 MB
Formato Adobe PDF
15.7 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/98423