Localisation and mapping in smoke filled environments : A study of robot perception in harsh conditionsusing practical experiments

Det här examensarbetet är utfört i samarbete med Realisator Robotics, vilka förtillfället utvecklar en robot, FUMO, som ska hjälpa till vid brandbekämpning. Målet med examensarbetet är att implementera autonom navigering från en punkt till en annan samt SLAM (Simultaneous Localisation and Mapping, s...

Full description

Bibliographic Details
Main Authors: Zakardissnehf, Martin, Jernström, Agnes
Format: Others
Language:English
Published: KTH, Maskinkonstruktion (Inst.) 2017
Subjects:
Online Access:http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-225874
id ndltd-UPSALLA1-oai-DiVA.org-kth-225874
record_format oai_dc
spelling ndltd-UPSALLA1-oai-DiVA.org-kth-2258742020-01-28T03:39:37ZLocalisation and mapping in smoke filled environments : A study of robot perception in harsh conditionsusing practical experimentsengZakardissnehf, MartinJernström, AgnesKTH, Maskinkonstruktion (Inst.)KTH, Maskinkonstruktion (Inst.)2017autonomous navigationSLAMperception in smokeautonom navigeringSLAMperception i r¨okMechanical EngineeringMaskinteknikEngineering and TechnologyTeknik och teknologierDet här examensarbetet är utfört i samarbete med Realisator Robotics, vilka förtillfället utvecklar en robot, FUMO, som ska hjälpa till vid brandbekämpning. Målet med examensarbetet är att implementera autonom navigering från en punkt till en annan samt SLAM (Simultaneous Localisation and Mapping, simultan lokaliseringoch kartläggning) funktionalitet. Dessa funktioners färmåga att hantera rök ska även testas. Efter en inledande litteraturstudie på olika sätt att lösa en robots perception i rök så blev det bestämt att använda en så kallad ”multi-echo LIDAR” som huvudsensor. Alla implementationer är gjorda i robotoperativsystemet ROS och öppenkällkod har använts för vissa funktioner. De första testerna av systemet gjordes i en simulerad miljö. I den så approximerades röken utav Gaussiskt brus. Det blev dock senare fastställt att detta inte lyckas representera alla effekter utav riktig rök. De delar dock vissa beteenden. De slutgiltiga testerna utfördes i en testanläggning för rökdykare, där algoritmerna testades i olika nivåer av rök. Dessa tester visade att multi-echo LIDAR:n klarade av att se igenom lätt till mediumtjock rök, det vill säga rök som kan ses igenom upp till ett par meter med blotta ögat. SLAMalgoritmen kunde i dessa fall generera användbara kartor. När det kontinuerligt lades till ny rök till testområdet så blev kartorna fragmenterade och oläsliga. Den autonoma navigeringen testades inte i rök på grund av säkerhetsrisker. Däremot så testades lokaliseringen som den bygger på genom att manuellt köra roboten genom röken. Resultaten från detta tyder på att det är möjligt att använda den autonoma navigeringen under rökfyllda förhållanden. This thesis is carried out together with Realisator Robotics who is currently developinga fire-fighting assistant robot, FUMO. The aim of the thesis is to implementautonomous path planning and SLAM (Simultaneous Localisation and Mapping) functionality on the existing FUMO prototype as well as to test how robust these are to smoke. After an initial literature study on different ways of robot perception in smokeit was decided to use a multi-echo LIDAR as the main sensor for these tasks. All implementations were done in ROS (Robot Operating System) and open sourcecode was used for some functions. Testing of the system was first performed in asimulated environment. In this environment smoke was approximated using Gaussiannoise. However it was later concluded that this did not accurately portrayall effects of real smoke. It does however share some similarities. The final tests were performed at a testing facility for smoke divers where the algorithms were tested in different levels of smoke. The tests showed that the multi-echo LIDARmanaged to see through light to medium smoke, in other words smoke which you could see through with your bare eyes to up to a few meters. In those conditions the SLAM algorithm was able to create usable maps. When new smoke was continuously added to the already smoke filled environment the maps became fragmented and unreadable. The autonomous path planning was not tested in smoke due to safety concerns. However the localisation which the path planning is based onwas tested when driving the robot manually through the smoke. The result fromthis hints at a possibility of successfully using the path planning in these conditions. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-225874TRITA-ITM-EX ; 2017:180MMK 2017:180 MDA 620application/pdfinfo:eu-repo/semantics/openAccess
collection NDLTD
language English
format Others
sources NDLTD
topic autonomous navigation
SLAM
perception in smoke
autonom navigering
SLAM
perception i r¨ok
Mechanical Engineering
Maskinteknik
Engineering and Technology
Teknik och teknologier
spellingShingle autonomous navigation
SLAM
perception in smoke
autonom navigering
SLAM
perception i r¨ok
Mechanical Engineering
Maskinteknik
Engineering and Technology
Teknik och teknologier
Zakardissnehf, Martin
Jernström, Agnes
Localisation and mapping in smoke filled environments : A study of robot perception in harsh conditionsusing practical experiments
description Det här examensarbetet är utfört i samarbete med Realisator Robotics, vilka förtillfället utvecklar en robot, FUMO, som ska hjälpa till vid brandbekämpning. Målet med examensarbetet är att implementera autonom navigering från en punkt till en annan samt SLAM (Simultaneous Localisation and Mapping, simultan lokaliseringoch kartläggning) funktionalitet. Dessa funktioners färmåga att hantera rök ska även testas. Efter en inledande litteraturstudie på olika sätt att lösa en robots perception i rök så blev det bestämt att använda en så kallad ”multi-echo LIDAR” som huvudsensor. Alla implementationer är gjorda i robotoperativsystemet ROS och öppenkällkod har använts för vissa funktioner. De första testerna av systemet gjordes i en simulerad miljö. I den så approximerades röken utav Gaussiskt brus. Det blev dock senare fastställt att detta inte lyckas representera alla effekter utav riktig rök. De delar dock vissa beteenden. De slutgiltiga testerna utfördes i en testanläggning för rökdykare, där algoritmerna testades i olika nivåer av rök. Dessa tester visade att multi-echo LIDAR:n klarade av att se igenom lätt till mediumtjock rök, det vill säga rök som kan ses igenom upp till ett par meter med blotta ögat. SLAMalgoritmen kunde i dessa fall generera användbara kartor. När det kontinuerligt lades till ny rök till testområdet så blev kartorna fragmenterade och oläsliga. Den autonoma navigeringen testades inte i rök på grund av säkerhetsrisker. Däremot så testades lokaliseringen som den bygger på genom att manuellt köra roboten genom röken. Resultaten från detta tyder på att det är möjligt att använda den autonoma navigeringen under rökfyllda förhållanden. === This thesis is carried out together with Realisator Robotics who is currently developinga fire-fighting assistant robot, FUMO. The aim of the thesis is to implementautonomous path planning and SLAM (Simultaneous Localisation and Mapping) functionality on the existing FUMO prototype as well as to test how robust these are to smoke. After an initial literature study on different ways of robot perception in smokeit was decided to use a multi-echo LIDAR as the main sensor for these tasks. All implementations were done in ROS (Robot Operating System) and open sourcecode was used for some functions. Testing of the system was first performed in asimulated environment. In this environment smoke was approximated using Gaussiannoise. However it was later concluded that this did not accurately portrayall effects of real smoke. It does however share some similarities. The final tests were performed at a testing facility for smoke divers where the algorithms were tested in different levels of smoke. The tests showed that the multi-echo LIDARmanaged to see through light to medium smoke, in other words smoke which you could see through with your bare eyes to up to a few meters. In those conditions the SLAM algorithm was able to create usable maps. When new smoke was continuously added to the already smoke filled environment the maps became fragmented and unreadable. The autonomous path planning was not tested in smoke due to safety concerns. However the localisation which the path planning is based onwas tested when driving the robot manually through the smoke. The result fromthis hints at a possibility of successfully using the path planning in these conditions.
author Zakardissnehf, Martin
Jernström, Agnes
author_facet Zakardissnehf, Martin
Jernström, Agnes
author_sort Zakardissnehf, Martin
title Localisation and mapping in smoke filled environments : A study of robot perception in harsh conditionsusing practical experiments
title_short Localisation and mapping in smoke filled environments : A study of robot perception in harsh conditionsusing practical experiments
title_full Localisation and mapping in smoke filled environments : A study of robot perception in harsh conditionsusing practical experiments
title_fullStr Localisation and mapping in smoke filled environments : A study of robot perception in harsh conditionsusing practical experiments
title_full_unstemmed Localisation and mapping in smoke filled environments : A study of robot perception in harsh conditionsusing practical experiments
title_sort localisation and mapping in smoke filled environments : a study of robot perception in harsh conditionsusing practical experiments
publisher KTH, Maskinkonstruktion (Inst.)
publishDate 2017
url http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-225874
work_keys_str_mv AT zakardissnehfmartin localisationandmappinginsmokefilledenvironmentsastudyofrobotperceptioninharshconditionsusingpracticalexperiments
AT jernstromagnes localisationandmappinginsmokefilledenvironmentsastudyofrobotperceptioninharshconditionsusingpracticalexperiments
_version_ 1719310158912290816