Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
COM OBSTACULOS
ESTIMAC
AO
MOVEIS
AUTONOMA
PARA NAVEGAC
AO
Felipe Taha SantAna, Valdir Grassi Junior
Abstract Following a free path is an important issue in the area of autonomous mobile robotics. The
obstacles can be anything from walls and chairs in an indoor environment, or they can also be people walking
on the sidewalk and cars passing down the street. In the case of a static environment, only one calculation is
necessary, since the obstacles are standing in the environment, which differs considerably from the case of an
environment where obstacles are in constant motion. Consequently, only one calculation of the trajectory is not
enough in the latter. Our proposal is to calculate a velocity for the vehicle that minimizes the collision probability
with the obstacle, avoiding a second path planning. Therefore, just a velocity variation is enough to solve the
problem of a possible collision.
Keywords
Resumo Na
area de rob
otica m
ovel aut
onoma
e importante o rob
o seguir uma trajet
oria livre de obst
aculos.
Os obst
aculos podem ser desde paredes e cadeiras em um ambiente indoor, ou tamb
em podem ser pessoas
caminhando na calcada e carros passando pela rua. No caso de um ambiente est
atico
e necess
ario apenas um
c
alculo de trajet
oria, j
a que os obst
aculos est
ao parados no ambiente, o que difere consideravelmente do caso
de um ambiente onde os obst
aculos est
ao em constante movimento. Portanto, apenas um c
alculo da trajet
oria
n
ao
e suficiente no u
ltimo caso. A fim de evitar um replanejamento de trajet
oria,
e proposto realizar um c
alculo
que estime uma velocidade que minimize a probabilidade de colis
ao do rob
o com o obst
aculo em quest
ao. Dessa
forma, apenas uma variac
ao na velocidade
e suficiente para resolver o problema de uma possvel colis
ao.
Palavras-chave
probabilidade de colis
ao, ambientes din
amicos, rob
os m
oveis, navegac
ao aut
onoma.
Introdu
c
ao
Detecc
ao e desvio de obst
aculos e essencial quando
se trata do problema de navegac
ao aut
onoma de
rob
os m
oveis. A partir da decada de 90, comecaram a surgir abordagens probabilsticas para o
problema de navegac
ao e controle de rob
os na presenca de obst
aculos m
oveis. Nestas abordagens,
s
ao consideradas incertezas na localizac
ao do robo
e na posic
ao dos obst
aculos a fim de evitar colis
oes.
Para verificar a possibilidade de colis
ao entre
rob
o e obst
aculos, Hu et al. (1991) definiram uma
area de seguranca modelada por um crculo cen
trado na posic
ao de rob
o. O raio deste crculo era
proporcional `
a velocidade, e para verificar a possibilidade de colis
ao era feito um teste de intersec
ao entre o crculo e as elipses de erro na posicao.
Por fim, baseado nessa informac
ao controlava-se
a velocidade e a direc
ao do rob
o ao longo de um
caminho pre-planejado para evitar colis
oes.
Burlina et al. (1992) tambem idealizaram um
metodo probabilstico para calcular a probabilidade de colis
ao levando em considerac
ao rudos
nas medidas dos sensores. A probabilidade de colis
ao era calculada em dois passos: um modelo
estoc
astico era definido no espaco de estados do
obst
aculo e, neste mesmo, era feita uma caracterizac
ao geometrica para a colis
ao.
Fiorini and Shiller (1993a) e Fiorini and Shiller (1993b) apresentaram um metodo de plane-
2
2.1
Metodologia
Probabilidade de colis
ao de rob
o m
ovel com
um obst
aculo m
ovel
Considere a situac
ao na qual o veculo e o
obst
aculo executam trajet
orias genericas descritas pelas curvas C (v) e C (o) , cujas equac
oes parametrizadas no tempo s
ao dadas por
(v)
(v)
(v)
(v) (v)
C
: (x , y ) = (h1 (t), h2 (t)) e C (o) :
(o)
(o)
(o) (o)
(x , y ) = (h1 (t), h2 (t)). Os vetores que contem as informac
oes de posic
ao e orientac
ao do veculo e do obst
aculo,
(v)
(o)
x
x
v = y (v) , o = y (o) ,
(v)
(o)
(1)
(o)
(v)
h1 (t)
h1 (t)
.
, o (t) = h(o)
v (t) = h(v)
2 (t)
2 (t)
(o) (t)
(v) (t)
(2)
1
0.8
0.6
p
lis
ao ou evas
ao. Dessa forma, podia-se achar uma
trajet
oria
otima obedecendo tais criterios de otimizac
ao.
Existem trabalhos que utilizam metodos de
tratamento de incertezas para estimar a probabilidade de colis
ao utilizando distribuic
ao gaussiana
nas incertezas de movimento e de sensores, como
em (Patil et al., 2012) e (Fulgenzi et al., 2008).
O primeiro estima a probabilidade de colis
ao para
um planejamento de movimento baseado em distribuic
oes de probabilidade do estado do robo. A
probabilidade de colis
ao em cada est
agio do processo e condicionada ao est
agio anterior, sendo
este livre de colis
ao ou n
ao. A cada est
agio sao
geradas amostras para o veculo em quest
ao a partir de sua distribuic
ao. Caso o veculo e o obst
aculo estejam pr
oximos um ao outro, algumas
dessas amostras estar
ao em contato com o obst
aculo, e outras n
ao. A partir da raz
ao entre as
amostras que est
ao em contato com o obstaculo e
o total de amostras, e calculada a probabilidade
de colis
ao. O u
ltimo descreve um algoritmo para
navegac
ao em ambientes din
amicos, onde sao supostos padr
oes de movimento para os obstaculos,
representados por processos gaussianos. De uma
forma parecida com esses dois trabalhados citados,
(van den Berg et al., 2012) abordaram o problema
de colis
ao tratando o movimento e as informacoes
dos sensores com incertezas gaussianas.
Neste trabalho e proposto utilizar a PDF das
informac
oes do veculo e dos obst
aculos, posicao,
orientac
ao e velocidade, para definir a probabilidade de colis
ao. Este tipo de abordagem foi utilizado em (Lambert et al., 2008) para um robo e
um obst
aculo est
atico. Alem de considerar incertezas na obtenc
ao dessas informac
oes e estimar a
probabilidade de colis
ao em func
ao do tempo, o
estudo visa encontrar uma velocidade
otima para
o veculo que faca com que a probabilidade de colis
ao entre este e o obst
aculo seja significantemente
pequena a ponto de poder concluir que n
ao havera
uma colis
ao na trajet
oria executada pelo veculo.
0.4
0.2
0
10
8
10
6
8
6
2
y (m)
2
0
x (m)
Figura 1: Representaca
o das PDFs do veculo e de
um obst
aculo no plano.
pv (r, t) po (r, t) dr ,
(4)
que se resume a
P (t) = |2(v + o )|1/2
(5)
1
T
1
exp (t) (v + o ) (t) ,
2
onde
(t) = v (t) o (t) =
(o)
(v)
h1 (t) h1 (t)
h1 (t)
(v)
= h2 (t) .
h2 (t) h(o)
2 (t)
(v)
(o)
(t)
(t) (t)
2.2
(6)
C
alculo de velocidade de translac
ao para que
veculo evite colis
ao
A fim de se fazer um estudo sobre possveis velocidades de translacao adequadas para que o rob
o
m
ovel navegue evitando colis
oes, escreve-se a func
ao probabilidade de colis
ao tambem em funcao
das velocidades do rob
o e obst
aculo,
P (t) P (t, v) .
(7)
(10)
h1 (t, v)
(t, v) = v (t, v) o (t, v) = h2 (t, v) .
(t, v)
(11)
A partir desta func
ao de probabilidade,
deseja-se encontrar uma velocidade para o veculo
dentro do limite de seguranca, ou seja, cuja P (t)
tenha um m
aximo menor que um valor estabelecido, de forma, que colis
oes possam ser evitadas.
Os valores m
aximos de P (t, v) em funcao do
tempo podem ser encontrados analisando:
P (t, v)
=0.
t
(12)
+ T 1
=0.
t
t
(13)
Para (13) ser zero, basta que o termo entre
parenteses seja zero:
T 1
+ T 1
=0.
t
t
(14)
(v)
x L(x ) = 0
(g(x ) c) = 0
,
(16)
g(x ) c
onde
L(x) = f (x) (g(x) c) ,
(17)
(19)
(20)
0
2(v0 v ) Pmax
(v ) = 0
(P
max (v ) ) = 0
Pmax (v )
(21)
Nas condic
oes (21) existe um sistema de duas
equac
oes:
3
3.1
0
2(v0 v ) Pmax
(v ) = 0
(22a)
(Pmax (v ) ) = 0 ,
(22b)
e duas condic
oes:
0
Pmax (v ) .
(23a)
(23b)
(24)
Aplica
c
ao do m
etodo
Evitar colis
ao com um obst
aculo m
ovel executando uma trajet
oria retilnea uniforme
(v),(o)
x0
+ tv (v),(o) cos((v),(o) )
P (t, v) = Ke 2 f (t,v) ,
que e a equac
ao cuja soluc
ao resultar
a na velocidade
otima. Duas soluc
oes podem ser facilmente
percebidas: v = v0 ou Pmax (v ) = . Como
e sabido, possivelmente haver
a uma colis
ao se o
veculo continuar a trafegar com a sua velocidade inicial, portanto pode-se descartar a primeira
soluc
ao. Dito isso, a soluc
ao a se considerar e
Pmax (v ) = , encontrando-se a velocidade otima
v para o problema.
(28)
com
f (t, v) = At2 v 2 +Bt2 v+Ctv+Dt2 +Et+F . (29)
Da mesma maneira, a equacao (15) possui o
seguinte formato
1
(30)
com
2.3
Expans
ao do estudo: evitar colis
ao com n
obst
aculos m
oveis
Suponha um cen
ario onde existam n obstaculos
detectados e seja a probabilidade de colis
ao com
o i-esimo obst
aculo Pi . A probabilidade de nao
haver uma colis
ao e o complemento da probabilidade de colis
ao, 1 Pi . Portanto, a probabilidade
de n
ao-colis
ao com os obst
aculos i = 1, 2, ..., n e
(1 P1 ).(1 P2 )...(1 Pn ). O complemento do u
ltimo expressa a probabilidade de colis
ao com pelo
menos um obst
aculo:
P
(n)
=1
n
Y
(1 Pi ) ,
(25)
f (v) =
(Cv + E)2
1
+F .
4 (Av 2 + Bv + D)
(31)
4
,
2
C 2 A
C 2 A
(32)
onde
2
+F .
(33)
4 ln
K
v =
i=1
(n)
Pmax (v)
=1
n
Y
(1 Pi (v )) = .
i=1
(26)
3.2
Evitar colis
ao com n obst
aculos m
oveis executando trajet
orias retilneas uniformes
+ (1)n1
i1 6=i2
(34)
Pi1 Pi2 ...Pin .
i1 6=i2 6=...6=in
i=1
P1 (v1 )
P1 (v2 )
= .
..
Mcol
P1 (vn )
P2 (v1 )
P2 (v2 )
..
.
P2 (vn )
..
.
Pn (v1 )
Pn (v2 )
.. . (37)
.
Pn (vn )
Simula
c
oes e Resultados
v = v
else v = v0 .
30
25
25
20
20
y (m)
aculo i, vi .
O pr
oximo passo consiste em estudar a probabilidade de colis
ao com cada obst
aculo com cada
velocidade
otima calculada, Pi (vj ) com i 6= j.
Para isso pode-se organizar os valores em uma matriz para facilitar a observac
ao:
y (m)
(39)
(n)
Pmax
(v) = K1 e 2 f1 (v) + ... + Kn e 2 fn (v) = .
(36)
Existe uma dificuldade consider
avel em calcular as razes de (36) devido `
a express
ao de f (v):
uma divis
ao entre polin
omios de segundo grau.
Frente essa dificuldade e proposto utilizar uma
abordagem alternativa, descrita a seguir.
3.3
15
10
10
15
x (m)
20
25
30
10
15
x (m)
20
25
30
30
25
25
20
20
y (m)
1. Identifica-se os valores m
aximos para cada
(max)
velocidade
otima vj , Pi
(vj ), que sao os
maiores valores de cada linha da matriz (37),
(max)
(v1 )
Pi
(max)
(v2 )
Pj
(max)
,
Mcol
=
(38)
..
.
(max)
Pk
(vn )
10
y (m)
15
15
10
10
15
10
15
x (m)
20
25
30
10
15
x (m)
20
25
30
(d) A colis
ao foi evitada.
A velocidade
otima encontrada para um limiar de 105 N foi suficiente para que o veculo
e os obst
aculos n
ao oferecessem perigo m
utuo algum. Os algoritmos foram executados vinte vezes,
e seus tempos medios de execuc
ao est
ao expressos
na figura 3. A partir do gr
afico e possvel observar
a dependencia linear do tempo de execuc
ao com o
valor de n: t(n) = 0.029 n 0.0016.
t = 0.029*n 0.0016
0.12
t (s)
0.1
0.08
0.06
0.04
0.02
0
0.5
1.5
2.5
3.5
4.5
5.5
Figura 3: Gr
afico do tempo de execuca
o dos algoritmos por n.
Fiorini, P. and Shiller, Z. (1993a). Motion planning in dynamic environments using the relative velocity paradigm, IEEE International Conference on Robotics and Automation
pp. 560565.
Fiorini, P. and Shiller, Z. (1993b). Motion planning in dynamic environments using velocity
obstacles.
0.16
0.14
Conclus
oes