Ortsbestimmung autonomer Roboter durch USB-Kamera

Sprunghaft

Roboter, die sich in unbekanntem Terrain autonom fortbewegen und Hindernisse überwinden können, sind ein beliebtes Forschungsfeld. Denn die Ansätze, wie diese Aufgabe gelöst werden kann, scheinen endlos. Einen solchen Versuch wagten Studenten der ETH Zürich im vergangenen Semester und betraten mit ihrem springenden Roboter neues Terrain.

Die Kameras und eine inertiale Messeinheit zur Bewegungsdetektion ermöglichen es dem Roboter, sich im Raum anhand visueller Daten zu lokalisieren. (Bild: Ascento)

Die ETH Zürich forscht seit Jahren im Bereich der Robotik und intelligenten Systeme an Lösungen, die autonom in geschlossenen Räumen agieren können und hat hierfür sogar ein eigenes Labor. Dort wurde mit ´Entwicklung eines Roboters mit einer maximalen Mobilität und Manövrierbarkeit im Indoor-Bereich´ ein Thema vorgegeben, welches sich zwar bekannt anhörte, aber dennoch anders war. Die Aufgabenstellung beinhaltete zusätzlich, dass der Roboter Treppen überwinden, auf der Stelle wenden und durch ein kompaktes Design auch enge Räume erreichen sollte. Neun Studenten fanden sich zusammen und gründeten das Team Ascento. Als technische Basis entschied sich das Team für ein auf zwei Beinen balancierendes System mit Rädern. Damit sollten ein kompaktes Design und das Wenden auf sehr engem Raum möglich sein. Bleibt noch ein Problem übrig: Wie kann man eine Treppe auf zwei Rädern überwinden? Per Sprung! Was sich leicht gesagt hatte, erwies sich in Verbindung mit dem balancierenden System als größte Herausforderung, da kaum vergleichbare Roboter existierten und das Team deshalb bezüglich Sprungdynamik komplettes Neuland betrat.

Der springende Roboter Ascento hat zwei USB2.0-Kameras vom Typ BlueFox-MLC200wG integriert, die eine (Stereo-)Aufnahme zur Positionsbestimmung und Kartenerstellung ermöglichen. (Bild: Ascento)

Algorithmus für simultane Aufgaben

Aber mit dem Sprung alleine ist es nicht getan. Um sich in unbekanntem Terrain autonom bewegen zu können, benötigt der Roboter das Wissen über die eigene Umgebung inklusive vorhandener Objekte. Ein Rechner mit angeschlossenen Sensoren und High-End-Kameras, so der Plan des Teams, sollen das bewerkstelligen. Genauer gesagt, zwei Industriekameras agieren als Stereokamerapaar und erfassen die Umgebung dreidimensional. Da im Katastrophenfall bei zerstörten Objekten jedoch kein Kartenmaterial vorhanden ist, muss der Roboter gleichzeitig seine Position bestimmen als auch eine Karte erstellen können – ein typisches Henne/Ei-Problem, das im Alltag häufiger vorkommt, als man denkt: Mähroboter, Saugroboter, Luftüberwachung mit unbemannten Drohnen, Landfahrzeuge in der Raumfahrt, Riffüberwachung, die Erforschung von Minen, etc. Aus diesem Grund haben sich viele Wissenschaftler mit dem Problem beschäftigt und mit dem SLAM-Algorithmus (Simultaneous Localization and Mapping) die Möglichkeit geschaffen, simultan Positionen zu bestimmen und Karten zu erstellen. SLAM in Verbindung mit Kameras und einer inertialen Messeinheit (IMU) zur Bewegungsdetektion ermöglichte es den Studenten, den Roboter im Raum anhand visueller Daten zu lokalisieren. Die Kameras zeichnen ferner die Umgebung des Roboters in Form von Sparse Maps (digitale Karten) auf und verzeichnen darin vereinzelte markante Orientierungspunkte. Durch diese ist wiederum ein Wiedererkennen bereits befahrener Strecken möglich.

(Bild: Matrix Vision GmbH)

Plug&Play mit USB2.0-Kameras

Als Kameras nutzen die Studenten zwei BlueFox-MLC200wG-Industriekameras mit USB2.0-Schnittstelle von Matrix Vision. Die kompakten Kameras nahmen wenig Platz ein und waren einfach integrierbar. Über die digitalen Schnittstellen konnte eine gleichzeitige (Stereo-)Aufnahme beider Kameras gewährleistet werden. Die Auflösung von 752×480 Pixeln, die Bildwiederholrate von 93 Bildern/sec gemeinsam mit dem Bildspeicher von 8MP schafften die Basis für ein ausreichend großes Sichtfeld und eine zuverlässige Bildaufnahme ohne Bildverluste. „Ein besonderes Plus der Kameras war es, dass diese sofort per Plug&Play funktioniert haben“, so Nicola Küng, Verantwortlicher im Team für Computer Vision & Localisation.

Fazit

Obwohl die vorhandene Zeit mit zwölf Monaten knapp bemessen war, konnten die Studenten Ende Juni ihre Arbeit präsentieren. Da der Roboter aufgrund seiner vielseitigen Dynamik über eine große Reichweite verfügt, dürfte er für weitere Computer-Vision-Applikationen von besonderem Interesse sein.