Implementación de retro-alimentación visual para un robot humanoide en la ejecución de

73 Pages·2011·3.79 MB·Spanish

Implementacio´n de retro-alimentacio´n visual
para un robot humanoide en la ejecuci´on de
trayectorias
Mauricio Josafat Garc´ıa V´azquez
Mayo 2011
A Dios, a mi madre Ma. Guadalupe y a mi padre Ram´on. A mi abuelo Lu´ıs
y a mi abuela Romualda. A mi familia, amigos y profesores.
´
Indice general
1. Introduccio´n 4
2. Breve introducci´on a la rob´otica, visi´on computacional y tra-
bajos existentes 6
2.1. Localizacio´n y SLAM . . . . . . . . . . . . . . . . . . . . . . . 6
2.2. Visio´n computacional, formacio´n de la imagen . . . . . . . . . 7
2.3. Trabajos existentes . . . . . . . . . . . . . . . . . . . . . . . . 12
3. Deteccio´n, reconocimiento y rastreo de marcas visuales 16
3.1. Estimacio´n de los puntos de fuga . . . . . . . . . . . . . . . . 17
3.2. Deteccio´n de cuadrila´teros . . . . . . . . . . . . . . . . . . . . 24
3.3. Rastreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4. Localizacio´n 34
4.1. Filtro de part´ıculas (Localizaci´on Monte-Carlo) . . . . . . . . 35
4.1.1. Modelo de movimiento . . . . . . . . . . . . . . . . . . 39
4.1.2. Modelo de observacio´n . . . . . . . . . . . . . . . . . . 41
5. Validacio´n experimental 48
6. Conclusiones y trabajos futuros 59
A. Como hacer m´odulos y librer´ıas para ejecutarse a bordo del
NAO 61
A.1. T´erminos importantes . . . . . . . . . . . . . . . . . . . . . . 61
A.2. Arquitectura del NAO . . . . . . . . . . . . . . . . . . . . . . 62
A.2.1. Broker . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
A.2.2. Proxy . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
A.2.3. Mo´dulos locales o remotos . . . . . . . . . . . . . . . . 64
2
A.3. Generador de mo´dulos . . . . . . . . . . . . . . . . . . . . . . 65
A.4. Compilaci´on cruzada . . . . . . . . . . . . . . . . . . . . . . . 66
A.5. Compilar una librer´ıa externa . . . . . . . . . . . . . . . . . . 68
3
Cap´ıtulo 1
Introduccio´n
La robo´tica es una ciencia que ha tenido mucho ´exito en los u´ltimos
an˜os. Ejemplos hay muchos: brazos robo´ticos industriales, robots de explora-
cio´n, y recientemente robots humanoides capaces de realizar tareas comple-
jas. Podr´ıa decirse que la robo´tica es una ciencia consolidada ya que muchos
productos derivados de los estudios en robo´tica esta´n actualmente en el mer-
cado al alcance de todos. Sin embargo, au´n hay mucho por hacer. Sensores,
actuadores y un sistema de procesamiento es lo que todos los robots tienen
en comu´n, entonces podr´ıamos ver a los robots como una m´aquina capaz de
percibir est´ımulos del mundo, procesarlos y realizar alguna accio´n por medio
de sus actuadores. Este es el paradigma que por an˜os rigi´o la investigacio´n
en rob´otica.
Unacosamuyimportanteesquenecesitamosdelosrobots.Talvezmuchos
no lo vean como una prioridad pero lo cierto es que los hechos lo demuestran.
¿Co´mo ser´ıa si se arriesgara la “vida”de robots en vez de la de personas? Lo
cierto es que hay muchas tareas que los seres humanos simplemente no po-
demos hacer, y otras que aunque podamos, ser´ıa grandioso si una m´aquina
lo hiciera por nosotros. Entonces, debemos mudar estos robots a ambientes
comunes, ambientes donde los seres humanos nos desarrollamos: corredores,
habitaciones, oficinas, calles, etc. M´as au´n, para que nosotros podamos “con-
vivir” con ellos, tenemos que aceptarlos. Ser´ıa m´as fa´cil si estas ma´quinas
se parecen lo m´as posible a nosotros, con un torso, extremidades, cabeza.
Incluso los detalles importan, como si se puede mover con naturalidad o si
puede imitar comportamientos humanos.
4
Fue en la d´ecada de loa ochenta cuando se introdujeron los primeros mode-
los de robots humanoides. Hoy meca´nicamente y electro´nicamente los robots
humanoides est´an casi listos para asistirnos en nuestras tareas cotidianas,
sin embargo eso no es todo. Introducir la idea de “inteligencia” no es cosa
sencilla. Simples tareas cognitivas que los seres humanos hacen con extrema
naturalidad a los investigadores de robo´tica les puede tomar varios an˜os. M´as
au´n, el concepto de autonom´ıa de decisio´n y de accio´n implica ma´s dificul-
tades, pues se requiere que el robot est´e desconectado del mundo y que todo
el procesamiento se haga a bordo del robot.
Estatesisvaenfocadaaesto,adesarrollarlainteligenciaartificialenrobots
humanoides.Nuestroprincipalobjetivoesqueunrobothumanoideselocalice
en un ambiente interior. Para completar esta tarea debe utilizar una marca
visual, la cual conoce su ubicacio´n en un marco de referencia y en base a esta
el robot podr´a localizarse en este marco.
La presente tesis se puede dividir en dos partes a grandes rasgos: la parte
de visio´n y la parte de localizaci´on. En el cap´ıtulo 2 se hace una pequen˜a
recopilacio´n de los trabajos que hay acerca del tema, para descubrir lo que
ya esta´ hecho, lo que se puede mejorar y sobre todo donde se puede innovar.
En el cap´ıtulo 3 se propone un sistema de detecci´on de marcas visuales. Cabe
mencionar que la visi´on es uno de los campos de percepci´on rob´otica con m´as
potencial. Tambi´en en este cap´ıtulo se propone un algoritmo para el rastreo
de la marca visual durante la ejecucio´n de las trayectorias. En el cap´ıtulo
4, un sistema de localizacio´n se implement´o. Algo que se tomo´ mucho en
cuenta en el desarrollo de los algoritmos y su codificacio´n fue la robustez de
estos, pues queremos que funcionen en ambientes lo m´as reales y comunes
posibles. Por u´ltimo en el cap´ıtulo 5 realizamos algunos experimentos para
evaluareldesempen˜odenuestrosalgoritmosyrealizamosunadiscusi´ondelos
resultados,as´ıcomoplanteartrabajosfuturos.Adema´sseagregaunap´endice
con un corto manual de como programar mo´dulos para ejecutarse a bordo
del robot humanoide NAO de Aldebaran Robotics.
5
Cap´ıtulo 2
Breve introduccio´n a la
rob´otica, visi´on computacional
y trabajos existentes
2.1. Localizaci´on y SLAM
El problema de localizaci´on de robots m´oviles es la determinacio´n de la
pose del robot relativa a algu´n mapa del entorno. Es uno de los problemas
perceptuales m´as importantes en rob´otica. Esto es porque casi todas las ta-
reas que realizan los robots requieren conocimiento de su propia posicio´n y
la posici´on de los objetos del entorno.
La localizacio´n tambi´en puede ser vista como el proceso de establecer una
correspondencia entre un sistema de coordenadas global y un sistema de
coordenadas local del robot. Al conocer esta transformaci´on el robot puede
ubicar objetos en su propio sistema de coordenadas, lo cual es necesario para
la navegacio´n. Entonces el problema de localizaci´on se resume a encontrar los
para´metros de esta transformacio´n. En el caso plano (generalmente usado)
es suficiente conocer la posici´on (x,y) y su orientacio´n θ.
Generalmentelaposedelrobotnopuedesermedidadirectamente.Tampo-
co es suficiente a veces mediciones de un u´nico sensor, pues se puede necesitar
ma´sinformacio´nparadesambigu¨arlugares,comosemuestraenlaFigura2.1.
6
Entonces la pose del robot debe ser calculada mediante la integracio´n de da-
tos de sensores a trav´es del tiempo.
Lalocalizaci´onasumequeseconoceelmapadeformama´somenosprecisa.
Este mapa puede ser descrito de distintas maneras. Una forma comu´n de
describir los mapas es mediante el uso de marcas visuales (landmarks). En
este caso el robot debe conocer esta marca visual para que la pueda encontrar
en el entorno (mediante m´etodos de visio´n computacional por ejemplo); y
tambi´en debe conocer la posicio´n de ´esta en el mundo.
La tarea de localizacio´n se hace bajo la premisa de que se conoce el mapa
del entorno. Esto es va´lido en algunas aplicaciones en rob´otica pero, en la
mayor´ıa de casos, no se cuenta con un mapa o no con uno suficientemente
preciso para realizar la tarea. Si el robot fuera capaz de construir un mapa
del entorno y localizarse al mismo tiempo, reducir´ıa mucho los problemas en
lanavegaci´onderobots,Figura2.2.Adem´asdequeelrobotpodr´ıaadaptarse
a cambios en el entorno sin necesidad de proveerle de un nuevo mapa.
La localizacio´n y el mapeo simulta´neos (SLAM por sus siglas en ingl´es) es
una de los problemas clave en el desarrollo de robots completamente aut´ono-
mos.Comoyasemenciono´,estatesisvaaenfocadaalalocalizacio´ndelrobot
humanoide NAO. Sin embargo, se deja abierto el camino para extenderlo a
un verdadero SLAM. Sobre todo en la parte de visio´n computacional, ya que
no se necesita conocer el landmark, de tal forma que puede ser cualquier
elemento sobresaliente del entorno. Sin embargo, si es necesario conocer su
posici´on en el mundo. Lo que de alguna manera se toma como un mapa.
2.2. Visi´on computacional, formacio´n de la
imagen
La mayor´ıa de los dispositivos fotogra´ficos modernos se basan en el un
modelo sencillo: el modelo de hoyo de aguja el cual se ilustra en la Figura
2.3.
En este modelo, la imagen es formada por rayos de luz procedentes de la
escena e incidiendo en la caja. El hoyo de aguja tambi´en se denomina centro
7
(a) (b)
(c) (d)
(e)
Figura 2.1: Localizacio´n de un robot en un entorno ambiguo, las manchas negras
indicanlasposiblesposicionesdelrobot.En(a)seobservaqueelrobotpuedeestar
en casi cualquier lado. Conforme va haciendo mediciones comienza a desambiguar
su posicio´n en el mapa (b). Al transcurrir el tiempo, quedan pocos lugares posibles
donde se puede encontrar (c) y (d). Finalmente el robot resuelve el problema de
localizacio´n (e). (Imagen de [18]).
o´ptico del sistema. La geometr´ıa proyectiva es la herramienta que se usa para
estudiar las relaciones entre la escena y la imagen formada.
En la figura 2.4 se define lo siguiente:
El eje normal al plano Π’ y que pasa por O se le denomina eje ´optico.
8
Figura 2.2: Mapa hecho por un robot m´ovil usando un l´aser. (Imagen de [18]).
Figura 2.3: El modelo de hoyo de aguja. (Imagen de [5]).
El punto donde se intersecta el eje o´ptico con el plano Π’ es el punto
principal.
La distancia focal: z(cid:48) = f(cid:48)
Se puede mostrar con simple geometr´ıa que la relaci´on entre los puntos en
el plano de la imagen x(cid:48) y y(cid:48) y los puntos en la escena x,y,z es la siguiente:
 x
 x(cid:48) = f(cid:48)
 z
(2.1)
y

 y(cid:48) = f(cid:48) .
z
Las coordenadas (u,v) en la imagen son coordenadas sobre el sensor f´ısico
por ejemplo un CCD. Para pasar de cordenadas (x(cid:48),y(cid:48)) (en unidades de lon-
9