<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=97241"><dc:title>Prepoznava in lokalizacija objektov iz podatkov dvodimenzionalnega laserskega skenerja</dc:title><dc:creator>SIMONIČ,	GAŠPER	(Avtor)
	</dc:creator><dc:creator>Mihelj,	Matjaž	(Mentor)
	</dc:creator><dc:creator>Diepold,	Klaus	(Komentor)
	</dc:creator><dc:subject>razpoznava</dc:subject><dc:subject>lokalizacija</dc:subject><dc:subject>laser</dc:subject><dc:subject>skener</dc:subject><dc:subject>robotika</dc:subject><dc:description>Današnji svet si težko predstavljamo brez robotov. Roboti se pojavljajo skorajda
povsod in nam lajšajo marsikatero opravilo pa najsi bodi to v skladišču ali
v vesolju. Mnogo teh opravil zahteva da se robot odloča avtonomno v najkrajšem
možnem času. Zato da se robot zna pravilno odločiti pa je po navadi potreben
kompleksen sistem senzorjev, aktuatorjev ter seveda programske opreme, ki tudi
sprejme končno odločitev. Programska oprema mora biti sposobna sprejeti informacije
iz senzorjev, to informacijo ustrezno obdelati in na podlagi rezultatov
obdelave tudi sprejeti odločitev o ustreznem odzivu. Ker meritve senzorjev vedno
vsebujejo tudi določene napake, ki so največkrat posledica šuma, jih mora programska
oprema tudi ustrezno obdelati in tako minimizirati napake ali pa se napak
vsaj zavedati in tako preprečiti sprejem napačne odločitve na podlagi napačne
meritve. Seveda mora programska oprema meritve tudi ustrezno ovrednotiti.
Eno izmed področij, kjer je potrebna čim večja avtonomija robotov, je navigacija
mobilnih robotov. Avtonomna navigacija v statičnih okoljih je že dodobra
raziskana, isto pa ne velja za navigacijo v dinamičnih okoljih, kjer se razmere ves
čas spreminjajo. Veliko znanstvenikov in podjetij v zadnjih letih posveča velike
količine denarja in časa razvoju navigacije v dinamičnih okoljih. To se dogaja
predvsem na področju razvoja pametnih avtomobilov. Vendar razvoj ni omejen
le na pametne avtomobile, v zadnjih letih se razvoj dogaja tudi na področju
mobilne robotike v industriji. Čeprav so industrijska območja manj dinamična
kot avtoceste, so še vedno dinamična in v primeru neupoštevanja le-tega dejstva
lahko hitro pride do gospodarske škode ali tudi človeških žrtev.

Navigacija v dinamičnem okolju pa ni le izogibanje trkom, temveč vključuje
tudi dinamično določanje ciljev. Primer takšnega dinamičnega cilja je navigacija
mobilnih robotov v avtomobilski industriji. V avtomobilski industriji se za logistiko
v samih tovarnah uporablja posebne vozičke na štirih rotirajočih se kolesih.
Tak voziček je potem potrebno prepeljati na ustrezno mesto v tovarni. Ena izmed
možnih rešitev tega problema je uporaba mobilnih robotov, ki se zapeljejo pod
voziček, ga naložijo in odpeljejo na predvideno mesto, kjer ga nato odložijo in
nalogo ponovijo z drugim vozičkom.
Da lahko mobilni robot opravi to nalogo pa mora najprej locirati voziček
in določiti optimalno točko za nalaganje vozička. Ta točka mora biti določena
čimbolj natančno, da ne pride do trka z robotom. To magistrsko delo predstavi
enega izmed možnih pristopov k razpoznavi vozička in določitvi središča in orientacije
vozička, tako imenovani lokalizaciji. Čeprav se za naloge razpoznave po
navadi uporablja kamere in strojni vid, je cilj te naloge dokazati, da se da to
nalogo rešiti tudi le z uporabo dvodimenzionalnega laserskega skenerja. Razvita
rešitev je sestavljena iz štirih delov; zajema podatkov iz senzorja, obdelave podatkov,
razpoznave objekta (vozička) in lokalizacije le-tega objekta.
Pri zajemu podatkov program pridobi podatke iz laserskega skenerja v obliki
niza razdalj do objektov v okolici. Ker zajeti podatki vedno vsebujejo napake,
program najprej obdela prejete podatke in odstrani čim več nepravilnosti.
Obdelane podatke nato na podlagi določenih parametrov razgradimo oz. segmentiramo
na posamezne segmente. Ti parametri so, na primer, lahko razdalja
med posameznimi meritvami, kot med posameznimi meritvami ali intenziteta
posameznih meritev. Algoritem nato za vsak segment preveri ali ustreza določeni
mejni vrednosti. Ta določena vrednost je lahko, na primer, velikost segmenta.
Če laserski skener vidi le kolesa vozička, potem posamezni segmenti ne smejo biti
večji od koles. V nasprotnem primeru tak segment ni kolo vozička in je lahko
zavržen.
Ko imamo na voljo segmente, ki bi lahko predstavljali kolesa iskanega vozička,
lahko poizkusimo z razpoznavo objektov. Razpoznava objektov je povsem
odvisna od oblike iskanega predmeta. Pri treh danih segmentih lahko sklepamo,
da predstavljajo iskani voziček, če ti segmenti tvorijo pravokotni trikotnik z ustreznimi
medsebojnimi razdaljami. Če trije segmenti tvorijo pravilno obliko,
potem lahko predstavljajo iskani voziček. Našo prepričanost v to, da res sestavljajo
voziček lahko še izboljšamo, če najdemo še četrti segment, ki predstavlja
še četrto kolo. Da se še dodatno prepričamo lahko uporabimo še en način razpoznave
in sicer, da poiščemo pravokotnik, ki vsebuje vse segmente in ima hkrati najmanjšo možno površino. Če so stranice takega pravokotnika nato dovolj podobne
stranicam vozička, potem lahko z veliko gotovostjo sklepamo, da dani segmenti
tvorijo voziček. Na podlagi segmentov lahko nato z uporabo geometrije določimo
pozicijo in orientacijo vozička. S tem je določen tudi cilj za navigacijo robota.
To magistrsko delo poleg tega, da dokaže, da je prepoznava objektov z uporabo
laserskega skenerja mogoča, tudi predstavi enega izmed možnih načinov, kako
to narediti in hkrati predstavi rezultate uporabe take metode za razpoznavo in
lokalizacijo vozička.</dc:description><dc:date>2017</dc:date><dc:date>2017-10-23 11:25:13</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>97241</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
