Planejamento da Volta-da-UFES
Para a volta da UFES precisamos de:
- Alberto - Um robô e seus Sensores.
- Lucas Catabriga, Mariela - Um módulo Carmen que compute a posição 6D do robô com relação a pista onde ele estiver a partir dos dados dos sensores do robô. (odometria visual e/ou odometria )
- Lauro - Um módulo Carmen que compute mapas instantâneos 2D, centrados no robô, de obstáculos e não obstáculos em torno do robô, usando (envolve projetar dados lasers e câmeras no plano, usando um referencial único):
- dados de LIDAR apontados para o chão
- a posição 6D do robô com relação ao chão
- Lauro - Um módulo Carmen que, por meio de SLAM, compute o mapa da volta da UFES usando (módulo de SLAM):
- mapas 2D instantâneos de obstáculos e não obstáculos em torno do robô
- o ângulo do volante e a velocidade do robô
- dados de GPS
- Felipe - Uma ferramenta que permita criar/editar um RDDF da volta da UFES (mapa da volta da UFES com anotações de velocidade em cada ponto e parâmetros dos algoritmos de navegação apropriado para cada ponto) a partir de um mapa da volta da UFES
- Avelino - Um módulo Carmen que localize o robô no mapa da volta da UFES (módulo de localização) usando:
- mapas 2D instantâneos de obstáculos e não obstáculos em torno do robô
- o ângulo do volante e a velocidade do robô
- dados de GPS
- Vitor - Um módulo Carmen capaz de determinar a posição do robô com relação aos limites da pista onde ele eventualmente estiver, usando:
- Para posição as seguintes variáveis serão relevantes: lateral offset, altura em relação a pista e ângulo de pitch em relação a pista;
- V-disparity/U-Disparity obtido a partir de imagens de câmeras frontais
- mapa de disparidade/profundidades computados a partir de imagens de câmeras laterais (V-disparity pode ser útil para localizar obstáculos nas laterais das pistas, como árvores, postes e arbustos, que servem como exemplos negativos de pista para treinar uma rede neural.).CUIDADO: como visão estéreo não é "perfeito", o negativo do mapa de obstáculos não é a pista.
- mapas 2D instantâneos de obstáculos e não obstáculos em torno do robô
- Lucas, Jorcy - Um módulo Carmen capaz de extender a visão da pista para além da região à frente tocada pelos LIDAR de modo a ampliar os mapas 2D instantâneos de obstáculos e não obstáculos em torno do robô, usando:
- mapas 2D instantâneos de obstáculos e não obstáculos em torno do robô
- visão artificial (reconhecimento de imagens) e algoritmos de Machine Learning (temos um baseado em mistura de Gaussianas já implementado)
- projeção da pista identificada nas imagens das câmeras frontais em um mapa 2D e extensão dos mapas 2D instantâneos de obstáculos e não obstáculos em torno do robô de acordo
- Tiago - Teste/extensão do módulo de SLAM de modo a extender o mapa de SLAM usando a informação obtida via visão artificial. (usar o RDDF para se localizar e os dados dos sensores para construir o mapa de planejamento)
- Rômulo - Um módulo Carmen que permita a navegação suave do robô através das pistas do mapa da volta da UFES usando:
- o RDDF da volta da UFES
- pose do robô obtida do módulo localizador
- Michael, Caio - Um módulo Carmen que permita a navegação suave do robô através de pistas de estacionamentos eventualmente presentes no mapa da volta da UFES usando:
- o RDDF da volta da UFES
- pose do robô obtida do módulo localizador
- Rânik, Rômulo - Um módulo Carmen que controle o robô durante a navegação através do mapa da volta da UFES de modo que ele evite obstáculos que eventualmente apareçam durante a volta da UFES usando:
- o RDDF da volta da UFES
- mapas de SLAM extendidos com visão artificial ou não
- poses do robô obtidas do módulo localizador e de SLAM
- dados dos acelerômetros
- Referências:
- The Dynamic Window Approach to Collison Avoidance (http://www.inf.ufes.br/~claudine/robotics/references/the_dynamic_window_approach_to_collison_avoidance_fox_ram97.ps)
- A Convergent Dynamic Window Approach to Obstacle Avoidance
- Alberto - Um módulo Carmen que implemente uma máquina de estados que permita escolher dinamicamente algoritmos de navegação e seus parâmetros apropriados para cada setor do RDDF da volta da UFES usando:
- o RDDF da volta da UFES
- mapas de SLAM extendidos com visão artificial ou não
- poses do robô obtidas do módulo localizador e de SLAM
- dados dos acelerômetros
Atividades Essenciais
- Temporização dos eventos (time stamp) - Tiago, Alberto e Lucas Catabriga, até 06/09/2011
- Instalar e testar o código relevante no QNX
- Estudar o NTP e ver se ele garante skew menor que 1ms
- Mapeamento de obstáculos com lasers/câmeras apontados para o chão - Lauro e Lucas Catabriga, até 30/09/2011
- Fusão dos diversos sensores para a criação do mapa - Lucas Veronese, Lauro e Lucas Catabriga, até 30/09/2011
- SLAM para o RDDF - Mariella, Raphael, Lauro, Lucas e Alberto, até 29/09/2011
- Criação/edição do RDDF - Lucas Catabriga e Cayo, até 06/10/2011
- Detecção do centro da pista (lateral offset) - Vitor Azevedo, Jorcy e Alberto, até 29/09/2011
- Planejamento em tempo real de navegação em estradas - Michael, Cayo, Claudine, Rômulo, Avelino e Ranik, até 07/10/2011
- Planejamento em tempo real de navegação em estacionamentos - Rômulo, Claudine, Michael, Jairo e Avelino, até 14/10/2011
- Obstacle avoidance - Avelino, Claudine, Michael, Rômulo, Filipe e Juan, até 07/10/2011
- Máquina de estados do robô - Alberto e Lucas Catabriga, até 04/11/2011
- Problema da cancela e outros relacionados ao estado do robô - Alberto, até 04/11/2011
Outras Atividades Desejáveis
- Detecção e rastreamento de obstáculos móveis, Claudine, até 31/10/2011
- Detecção de placas - Victor Neves e Claudine, até 31/10/2011
- Detecção de semáforos e seu estado