• costmap
• pianificazione
• rover
• navigazione
• mapping
• localizzazione

Il presente lavoro di tesi si colloca all’interno di un progetto di ricerca e sviluppo finalizzato all’integrazione di un sistema di guida e navigazione autonoma per il Rover di Sigma Ingegneria S.r.l., azienda presso la quale è stata svolta l’attività. I possibili ambiti applicativi del veicolo prevedono ispezione, trasporto o manutenzione in ambito industriale, sia indoor che outdoor, quindi potenziali interazioni con operatori e veicoli manned o unmanned.
Il lavoro ha inizialmente previsto la definizione dell’architettura hardware del sistema per consentire la comunicazione fra i dispositivi, quali un PC industriale, utilizzato per l’elaborazione degli algoritmi di guida e navigazione, e due schede dedicate alla gestione delle stereo-camere. L’intero setup è stato poi integrato a bordo del veicolo.
È stata quindi definita la suddivisione in moduli del software del sistema di guida e navigazione, utilizzando il framework ROS, secondo un’architettura di tipo Master-Slave.
I dati dei sensori presenti a bordo, LiDAR, stereo-camere, encoder e unità inerziale con GPS, sono stati acquisiti ed elaborati in ROS. Particolare attenzione è stata rivolta alla ricezione dei dati provenienti dagli encoder, per i quali è stato realizzato un modulo dedicato alla comunicazione fra il PC industriale ed il bus CAN del veicolo. In questo modo stati acquisiti ed elaborati i dati angolari del Rover, relativi a sterzata e propulsione, grazie ad un modello di cinematica diretta per un veicolo “4 wheel-steering”, ottenendo una stima dello spostamento compiuto dal veicolo.
Tramite algoritmi di sensor-fusion sono state integrate le informazioni ottenute dagli attuatori con quelle provenienti dall’unità inerziale e dalle scansioni laser, in modo tale da ottenere una stima più accurata dell’odometria del veicolo.
Successivamente sono stati testati gli algoritmi di mapping e localizzazione integrati in via preliminare in un lavoro precedente su un setup sperimentale ed in simulazione. Il modulo di pianificazione è stato realizzato sfruttando lo stack di navigazione di ROS: la traiettoria globale è stata pianificata utilizzando l’algoritmo di Dijkstra, mentre per la traiettoria locale è stato scelto un approccio basato su DWA (Dynamic Window Algorithm).
È stato dunque svolto uno studio sulle costmap multistrato utilizzate dai pianificatori, al fine di ottenere il comportamento desiderato da parte del veicolo nella fase di navigazione. I layer utilizzati permettono la gestione del costo di ostacoli rilevati nella fase di mapping o in real-time dalle scansioni laser.
Per ottenere una pianificazione selettiva che potesse diversificare il comportamento del Rover in relazione alla tipologia di ostacolo rilevato, sono stati implementati due layer, uno dedicato alla segnalazione della presenza di persone e l’altro a quella dei veicoli. La detection di queste tipologie di ostacoli è stata ottenuta per mezzo degli algoritmi AI di riconoscimento integrati nelle stereo-camere. L’introduzione di questi livelli è legata alla necessità di mantenere una distanza di sicurezza diversificata per ciascuna tipologia di ostacolo, quindi di evitare interferenze soprattutto nel caso di veicoli e persone in movimento.
La segnalazione della presenza di operatori nell’ambiente è stata realizzata utilizzando la teoria della gaussiana asimmetrica bidimensionale: i parametri sono stati definiti in maniera tale da mantenere una distanza prefissata dalle persone, quindi prevedere il loro spostamento futuro, grazie alla stima della loro velocità eseguita dal sensore di visione.
La stessa metodologia di integrazione è stata eseguita per i veicoli, sfruttando la stima della footprint, aumentata in base alla distanza di sicurezza richiesta.
Al fine di elaborare i comandi di riferimento da inviare ai motori e far eseguire al Rover la traiettoria pianificata, è stato implementato il modello della cinematica inversa secondo la modalità “4 wheel-steering” in controfase.
Gli algoritmi di mapping, calcolo dell’odometria e localizzazione sono stati validati con delle prove preliminari. I test finali hanno permesso di testare la bontà delle strategie di avoidance selettive per evitare ostacoli, persone e veicoli, sia statici che dinamici, rispettando le specifiche di distanza richieste, quindi senza interferire con il loro percorso.
In conclusione i test e le messe a punto eseguiti in campo con il veicolo reale hanno permesso di validare il sistema di guida e navigazione autonoma, evidenziando elevate potenzialità operative per lo sviluppo di un prodotto industriale capace di svolgere missioni aventi impatto su produttività e sicurezza.