نقشه برداري و ماژول محلي سازي در يك ربات سيار براي عايق فضاهاي خزيدن ساختمان

Mapping and localization module in a mobile robot for insulating building crawl spaces

اين مقاله يك سيستم رباتيك جديد ارائه مي دهد كه عايق اسپري فوم را در حفره هاي تحت فشار قرار مي دهد تا به بهبود قابليت اطمينان ساختمان ها كمك كند. كار بر روي حل مسائل نقشه برداري و محلي سازي در چنين محيطي متمركز است، زيرا آنها يك عامل كليدي در استقلال ربات هستند. حل اين وظايف در محفظه هاي زيرين چشمه مخصوصا چالش برانگيز است زيرا زمين به دليل حضور سنگ ها، آجر ها و شن. در اين محيط ها، ربات بايد بتواند خودش را بسوزاند و فوم عايق را به سمت پايين فلور اعمال كند. اين ربات با سنسور 2D ليزر مجهز است كه اجازه مي دهد ابرهاي نقطه اي را از موقعيت هاي مختلف محيط تحت فشار قرار دهد. فرايند محلي سازي با برآورد موقعيت حل مي شود ربات با توجه به موقعيت هاي كه قبلا شناخته شده است. براي اين منظور، همگرايي بين ابرهاي نقطه است محاسبه شد. اين مقاله دو الگوريتم را توصيف مي كند تا به طور قاطعانه همبستگي بين دو موقعيت را بدست آورد. الگوريتم هاي پيشنهاد شده با مجموعه اي از ابرهاي نقطه اي كه اسكن ليزر گرفته شده اند در محيط هاي مختلف تحت شرايط واقعي كار آزمايش مي شوند. نتايج نشان مي دهد كه مشكل محلي سازي را مي توان به چالش كشيدن حل كرد با استفاده از اطلاعات عميق زير محفظه هاي خالي

This paper presents a novel robotic system that applies spray foam insulation in underfloor voids in order to improve the energy efficiency of buildings. The work focuses on solving the mapping and localization problems in such environments, since they are a key factor in the autonomy of the robot. Solving these tasks in underfloor voids is especially challenging because the terrain is extremely uneven due to the presence of stones, bricks and sand. Within these environments, the robot should be able to localize itself and apply the insulation foam to the underside of the floor. The robot is equipped with a 2D laser sensor which permits building point clouds from several positions of the underfloor environment. The localization process is solved by estimating the position of the robot with respect to previously known positions. For this purpose, the alignment between point clouds is calculated. This paper describes two algorithms to robustly obtain the alignment between two positions. The proposed algorithms are tested with a set of point clouds captured with a laser scan in several environments under real working conditions. The results show that the localization problem can be solved in such challenging underfloor voids by using depth information