Persistent object mapping of indoor environments with the Toyota human support robot

Abstract

Mobile Roboter werden zunehmend in meschnlichem Umfeld eingesetzt. Besonders in Haushalten und für Menschen mit besonderen Bedürfnissen können diese Roboter den Alltag verbessern. Um mit Menschen interagieren und ihre vielfältigen Aufgaben erfüllen zu können, müssen diese Roboter in der Lage sein, Hindernisse und Objekte in deren Arbeitsumfeld zu erkennen. Pläne helfen den Robotern bei Aufgaben wie Navigation und Lokalisierung von Objekten. Spezielle Methoden sind notwendig um die Objekte zu klassifizieren und zusätzliche Informationen zu speichern. In dieser Arbeit wird ein Prozess zur Klassifizierung, sowie Lokalisierung von Objekten und zur Erstellung eines Nachhaltigen Objektplans (persistent object map) präsentiert. Der Nachhaltige Objektplan speichert dauerhaft die Positionen, Grössen und Formen von erkannten Objekten und ermöglicht die Ergänzung zusätzlicher Informationen. Einer der schnellsten Objekterkennungsprogramme wird verwendet und die erhaltenen Informationen werden transformiert um eine dreidimensionale Darstellungen von den identifizierten Objekten zu erzeugen. Diese Darstellungen werden dauerhaft in Datenbanken gespeichert und auf die gespeicherten Informationen kann auch nach einem Neustart des Roboters zugegriffen werden. Die gespeicherten Informationen werden mit neu erfassten Repräsentationen ergänzt und jene Repräsentationen, die dasselbe Objekt darstellen, werden zu einer zusammengefügt. Der in dieser Arbeit präsentierte Prozess ist auf dem human support robot von Toyota implementiert. Objekte werden erkannt und gespeichert während sich der Roboter, sowie einige Objekte bewegen. Zusätzlich werden die Positionen einiger Repräsentationen nach einem Neustart des Roboters verifiziert. Eine Leistungsbewertung zeigt die Effizienz mit der der Nachhaltige Objektplan in statischen und semi-dynamischen Umgebungen erzeugt wird.

Mobile robots are becoming increasingly integrated into human environments. Especially in households and for people in need the use of mobile robots helps to improve everyday life. In order to interact with humans and to accomplish their various tasks the robots have to be able to locate obstacles and entities that are present in their working areas. Maps help to perform tasks like navigation and locating objects. Special techniques are required to classify objects and store additional information in the maps. In this thesis the process of classifying, as well as locating objects and creating a persistent object map is presented. The persistent object map permanently stores the positions, sizes and shapes of detected objects and allows incremental information to be added. One of the fastest available detection algorithms is used and the gained information is transformed to create a three dimensional representation of the detected objects. The representations are permanently stored in a database and the stored information can be accessed even after a restart of the robot. The stored information is updated by new detections and multiple instances representing the same objects are replaced. The process is implemented and tested on a human support robot from Toyota. Objects can also be classified and stored while the robot as well as some objects move and the locations of some representations are verified after a restart of the robot. Performance evaluations show the efficiency of creating the persistent object map in static and semi-dynamic environments