ACROBOTER beltéri robot lengő egységének helyzetmeghatározása gépi képfeldolgozás és infra LED markerek alkalmazásával
Napjainkban az automatizálás és a robottechnikai alkalmazások területén a gépi képfeldolgozó rendszerek egyre növekedő térhódítása figyelhető meg. A gépi képfeldolgozás - angol irodalomban a „machine vision” - integrálásával mind az ipari-, mind a szervizrobotok egyre komplexebb feladatok elvégzésére lesznek képesek. A gépi látásnak több felhasználási területe van, amelyek felsorolva az alábbiak: detektálás, mérés, ellenőrzés, objektum követés és az objektum orientációjának és pozíciójának meghatározása.
A Budapesti Műszaki és Gazdaságtudományi Egyetem Műszaki Mechanikai Tanszéke és a Gyártástudomány és -technológia Tanszéke vett részt az ACROBOTER robot prototípusának fejlesztésében. Az ACROBOTER beltéri robot két fő egységből áll: egy plafonon mászó és egy lengő egységből. A mászó egységhez a lengő egység egy speciális huzalokból sodort kötél segítségével van rögzítve. A lengő egység megfogókat és speciális eszközöket tud cserélni és működtetni. A CCD kamera a mászó egységre van felszerelve és a lengő egységen elhelyezett infra LED markerek figyelhetőek meg vele. Az infra LED-es markerek mintázatának, számának és elhelyezésének lehetséges változatait részletesen tárgyalja a TDK dolgozat. A lengő egység a vízszinteshez képest maximálisan 15°-t tér ki és a mászó egységtől 0,5-4 méter között helyezkedhet el. A gépi látás alkalmazásával megvalósítandó kritériumok: 1 mm pozícionálási és 0,5 fok orientációs pontosság.
A TDK feladat elsődleges célja a lengő egység orientációjának és pozíciójának meghatározása a mászó egység koordináta rendszerében. Bemutatom és rendszerezem azokat gépi látás eszközöket, amelyekkel hasonló feladatokat lehet megoldani. Ismertetem a felszíni tárgy pontokat detektáló és felhasználó DeMenthon & Davis: POSIT és Quan & Lan: Lineáris algoritmusát, ezen kívül a feladat megoldására választott, markereket használó ArUco eljárást.
A feladat megvalósítását egy Point-Grey FireWire kamera és egy személyi számítógép alkalmazásával végeztem el. Fejlesztői környezetnek a Linux rendszerű Ubuntut, a QTCreator fordítót, OpenCV2.3 és ArUco könyvtárrendszerét választottam, amelyek segítségével elkészítettem a képfelismerő programot.
A program elkészítése után Zebris típusú ultrahang markeres mérőrendszerrel vizsgáltam, hogy a képfelismerés teljesíti-e a követelményekben meghatározott pontossági kritériumokat.
Irodalom:
• DeMenthon & Davis: ModelBased Object Pose in 25 Lines of Code
• Long Quan and Zhongdan Lan: Linear N-Point Camera Pose Determination
• ArUco: a minimal library for Augmented Reality applications based on OpenCV
• OpenCV 2 Computer Vision Application Programming Cookbook
