Overturn prevention of a mobile robot with a multi-DoF arm : using inertial measurement data

Abstract

Die vorliegende Diplomarbeit zeigt eine Methode zur Schätzung der Kippgefahr eines ferngesteuerten, mobilen Roboters mit Kettenantrieb und Arm mit mehreren Freiheitsgraden. Durch die Angabe dieser Kippgefahr auf der Steuerung des Roboters kann der oder die Bediener(in) des Roboters die Situation besser einschätzen und die Steuerbefehle entsprechend anpassen, damit ist eine (passive) Kippverhinderung gegeben. Ein Ansatz zur aktiven Kippverhinderung wird ebenfalls kurz vorgestellt, doch das Hauptaugenmerk dieser Arbeit liegt bei der Schätzung der Kippgefahr. Diese basiert auf einer statischen Analyse der Gewichtsverteilung des Roboters in seiner aktuellen Pose, was ermöglicht wird durch (a) die Verwendung einer IMU (Inertialsensor) um Roll- und Nickwinkel des Roboters zu messen, sowie (b) den Entwurf eines Modells des Roboters, welches aus logischen Einheiten des Roboters mit bekannter Masse und Schwerpunktlage aufgebaut ist, und anschließende Transformation des Modells anhand der aktuellen Armpose und gemessenen Roll- und Nickwinkel. Das Ergebnis dieser statischen Analyse ist die Lage des Schwerpunkts des gesamten Roboters für seine aktuelle Pose, dessen Distanz zu der Momentandrehachse als Maß für die Kippgefahr aufgefasst werden kann. Schließlich wird eine Bewertungsfunktion präsentiert, die einen intuitiven Indikator für die oder den Betreiber des Roboters darstellen soll.<br />Die Inertialmessdaten bestehen aus Accelerometer- und Gyroskop-Messungen, eine Methode zur Fusionierung und Filterung dieser Daten wird ebenfalls vorgestellt. Im Zuge dessen werden Implementierungen eines Kalman- und Complementary Filter hinsichtlich Performance und Kosten (d.h., Rechenzeit und Komplexität) verglichen.<br />Die Lösung wurde auf einem realen Roboter umgesetzt, und Details dieser Implementierung werden ebenfalls behandelt (speziell in Hinblick auf die beschränkten Ressourcen eines Embedded System wie es die Microcontroller des Roboters sind). Die Richtigkeit und Leistung der Lösung werden experimentell untersucht und beurteilt.<br />

The present thesis shows a method to estimate overturn hazard for a mobile (remote-controlled), chain-wheeled robot equipped with a multi-Degrees-of-Freedom (DoF) arm. By indicating this hazard to the operator, the estimation is a means for (passive) overturn prevention of said robot. An approach to use the estimation for active overturn prevention will be introduced briefly as well, however this thesis focuses on the estimation itself. It is based on a static analysis of the robot's weight distribution in its current pose, which is achieved by (a) using IMU sensor data to measure roll and pitch angles of the robot, and (b) creating a model composed of logical entities with known mass and centers of mass, and transforming this model according to the current arm pose and measured roll and pitch angles. The result of this analysis is the location of the center of mass of the entire robot for its current pose, and its distance to the instantaneous turning axis is a measure for the overturn hazard. Finally, a weighting function will be derived to provide an intuitive measure for operators.<br />The IMU data consists of accelerometer and gyroscope measurements, and a method for fusioning and filtering this data will be presented. This entails a comparison between implementations of the Kalman and the Complementary filter regarding performance and cost (i.e., computing time and complexity).<br />The solution was implemented on a physical robot, and details of this implementation will be discussed as well (with the emphasis on limited resources on embedded systems such as the robot's microcontrollers). The validity and performance of said implementation will be examined experimentally.