Platforma testowa do przetestowania sposobów sterowania robotem typu Linefollower (Czujniki i Kamerka).

[BlueFish05]

Witam wszystkich serdecznie.

 

Chciałbym się podzielić z wami moim projektem robota oraz wynikami testów, które na nim przeprowadziłem. Głównym celem i założeniami robota było stworzenie dosyć uniwersalnej platformy którą można łatwo modyfikować w celu sprawdzenia różnych sposobów sterowania robotem typu Linefollower. Rzeczy które najbardziej mnie ciekawiły to sprawdzenie jakie czynniki mają wpływ na odczyt z czujników podczerwonych oraz czy zastosowanie kamerki internetowej dla zastosowań robota Linefollower będzie miała jakieś zalety.

Jednym z pierwszych elementów które zostały stworzone to mechanika. Cała konstrukcja robota opiera się na dwóch platformach z parametrycznie stworzonymi otworami do mocowania komponentów. Dla każdego komponentu stworzony został odpowiedni wydruk który był w stanie zostać zamocowany na danych platformach. Robot posiada dwa koła napędowe oraz trzecie koło do utrzymania równowagi.

Elementy elektroniczne które znalazły się w robocie miały za zadanie sterować dwoma silnikami szczotkowymi oraz wykorzystywać czujniki podczerwone odbiciowe lub kamerkę internetową. Do odczytywania wartości z czujników użyto płytkę deweloperską STM32 NUCLEO-L476RG z mikrokontrolerem STM32L476RG oraz nałożono na niego DFRobot Motor Shield L298P v1.3 - dwukanałowy sterownik silników.

Aby obsłużyć kamerkę użyto Raspberry Pi 4B oraz skomunikowano się z mikrokontrolerem za pomocą UART’a.

Pozostałe elementy które znalazły się w środku to przetwornica step-down regulowana 3,3V - 25V 5A - DFRobot DFR0205 czy też enkodery AS5600, chociaż zbytnio nie przydały się w testach.

Pierwsze testy zaczęto od czujnika transoptor odbiciowego CNY70. Czujniki użyte w tym projekcie to jedne z najczęściej wykorzystywanych czujników podczerwonych do konstruowania robotów typu Linefollower.

Do testów czujniki zostały zamocowane na płytce uniwersalnej.

Następnie zostało skonstruowane narzędzie do ustawiania czujników na zadaną wysokość.

Czujniki wkłada się do środka i poprzez kręcenie śrubami jesteśmy w stanie ustawić czujniki na dowolną odległość.

Dane jakie były zaczytywane to odczyt analogowy z każdego z czujników i poprzez port szeregowy odczytano je na komputerze.

Przeprowadzono sporo testów dla równych materiałów i wysokości a wyniki zapisano do plików csv.

Najciekawszym z wyników było porównanie ze sobą różnych materiałów i wysokości. Do porównania przygotowano pole zaklejone czarną taśmą

 

Wyniki przedstawiono w formie wykresów odległości czujników od podłoża.

 

Interpretując te wyniki można stwierdzić ze kartka która została zamalowana na czarno bliżej do białej kartki niż do czarnej taśmy. Dlatego zaleca robienie trasy Linefollowera za pomocą czarnej taśmy a nie za pomocą markera.

 

Do testów kamerki wykorzystano kamerę Imilab WebCam 1080P USB.

Na obrazie z kamerki przeprowadzono testy sprawdzające czy filtry obrazu pomagają  przy polepszaniu znajdowania trasy. Przykładowy obraz trasy z kamerki.

Następnie użyto różnych filtrów wraz ze skalą szarości i narysowano histogramy.

Następnie użyto binaryzacji aby odróżnić trasę od pustego pola.

 

Po testach można stwierdzić ze użycie filtrów obrazu nie pomaga przy znajdowaniu trasy.

 

Kolejno stworzono trasę po której poruszał by się robot.

Ostatecznie napisano aplikację w Javie, której zadaniem było monitorowanie oraz sterowanie robotem.

Kod, który działał na robocie umieszczono tutaj: https://github.com/Bluefish5/PathFinderSofware.git.

 

Porównanie różnych strategii przedstawiono w formie tabeli:

Strategia	Czujniki podczerwone	Algorytm zliczanie piksel po pikselu	Strategia uczenia maszynowego
Szybkość	~17 tyś. odczytów/ sekundę	~15 klatek/sekundę	~3 klatki/sekundę
Podsumowanie	Najlepiej sprawdzi się w dobrze znanym środowisku, gdzie kluczowym aspektem jest szybkość np. konkurencja Linefollower	Jest to najbardziej uniwersalna strategia. Najlepiej się sprawdzi, jeżeli nie znamy konkretnych celów naszego robota. Jest odporniejszy na zakłócenia ze strony różnych rodzaju ringu	Najlepiej się sprawdzi, gdy nie zależy nam na szybkości a na znajdowaniu konkretnych scenariuszy

 

Ogólnie o wnioskach można powiedzieć, że kamerka nie nadaje się do dyscypliny Linefollower ze względu na to, iż jest nieporównywalnie wolniejsza do czujników podczerwonych nawet przy aktualnych technologiach.

 

Inne rzeczy, które zostały sprawdzone, ale wyniki były nie satysfakcjonujące to darowałem sobie opisu:

1.      Uruchomienie kamerki w różnych rozdzielczościach – wyszło, że zmiana rozdzielczości praktycznie nie poprawia szybkości

2.      Użycie filtrów obrazy takich jak high-pass itd. nie poprawia znajdowania trasy, a nawet pogarsza

3.      Wyłącznie użycie enkoderów nie pozwala na zmapowanie ruchów robota na ringu ze względu na poślizgi kół

 

[MasterYoda95]

Fajny projekt rozwojowy, fajnie że udostępniłeś wyniki, również to, co nie zadziałało, bo taka wiedza też jest bardzo przydatna. Czy dobrze rozpoznaję, że mechaniczna część platformy jest zgodna z ORP (Open Robotic Platform)?

[BlueFish05]

Dobrze zauważyłeś , pierwsze wersje robota korzystały z plików ORP, natomiast przy rozwoju robota musiałem je mocno poprzerabiać i wyspecjalizować dla lepszego zażądania miejscem i poprawienia błędów. Do takich zmian należy np. wycięcie w platformie dziur na czujniki, koła i koszyk z akumulatorami co z góry narzuca żeby robot posiadał takie elementy co gryzie się z założeniami ORP. Wiec z tego powodu mogę powiedzieć ze najnowsza wersja robot jest częściowo zgodny z ORP. Tak wyglądały wcześniejsze wersje: