Embed
Email

The output voltage is proportional to the sine

Document Sample
The output voltage is proportional to the sine
Shared by: HC12021122825
Categories
Tags
Stats
views:
10
posted:
2/11/2012
language:
pages:
116
Perception





‫دکتر سعید شیری قیداری‬



‫& فصل 4 کتاب‬



Amirkabir University of Technology

Computer Engineering & Information Technology Department

‫اجزای روبات هوشمند‬





Perception Cognition

‫ادراک‬ ‫شناخت‬ Action

‫عمل‬



Sensors Actuators

‫حسگر‬ ‫عملگر‬





External World

‫محیط خارجی‬

‫اجزای روبات هوشمند‬

‫‪Perception‬‬ ‫‪‬‬

‫حس کردن، ساخت مدلی از دنیای اطراف‬ ‫‪‬‬



‫‪Cognition‬‬ ‫‪‬‬

‫رفتارها، انتخاب عمل، طرح ریزی، یادگیری‬ ‫‪‬‬



‫همکاری بین چند روبات، کار تیمی‬ ‫‪‬‬



‫پاسخ به محیط، یادگیری چند عاملی‬ ‫‪‬‬



‫‪Action‬‬ ‫‪‬‬

‫حرکت، ناوبری، پرهیز از موانع‬ ‫‪‬‬

‫دریافت دانش از محیط‬

‫یکی از مهمترین وظایف هر سیستم خودکار دریافت دانش‬ ‫‪‬‬

‫از محیطش میباشد.‬

‫اینکار از طریق بکار گیری سنسورهای مختلف و استخراج‬ ‫‪‬‬

‫اطالعات مفید از داده های اندازه گیری شده میباشد.‬

‫رنج وسیعی از سنسورها در روباتهای خودکار مورد‬ ‫‪‬‬

‫استفاده قرار میگیرد. در این فصل سنسورهائی مورد توجه‬

‫قرار خواهند گرفت که برای دریافت اطالعات از محیط‬

‫بکار میروند.‬

‫مثالی از روبات‬

‫مثالی از روبات‬

Gas Sensor

Accelerometer Gyro



Metal Detector

Pendulum Resistive

Tilt Sensors Piezo Bend Sensor

Gieger-Muller

Radiation Sensor



Pyroelectric Detector



UV Detector

Resistive Bend Sensors



CDS Cell

Resistive Light Sensor

Digital Infrared Ranging







Pressure Switch

Miniature Polaroid Sensor

Limit Switch Touch Switch

Mechanical Tilt Sensors





IR Pin IR Sensor w/lens

Diode

Thyristor

Magnetic Sensor





Polaroid Sensor Board

Hall Effect

Magnetic Reed Switch Magnetic Field

IR Reflection

IR Amplifier Sensor Sensors

Sensor

IRDA Transceiver









IR Modulator

Lite-On IR Radio Shack Solar Cell

Receiver

Remote Receiver Remote Receiver

Compass Compass

Piezo Ultrasonic 7

Transducers

‫برخی سنسور های متداول‬



 Tactile sensors

 contact switch, bumpers…

 Infrared sensors

 Reflective, proximity, distance sensors…

 Ultrasonic Distance Sensor

 Inertial Sensors (measure the second derivatives of position)

 Accelerometer, Gyroscopes,

 Orientation Sensors

 Compass, Inclinometer

 Laser range sensors

 Vision, GPS, …

‫‪Sensor Fusion‬‬



‫در روباتهای سیار معموال از تعداد زیادی سنسور استفاده‬ ‫‪‬‬

‫میشود زیرا یک سنسور ممکن است کافی نباشد:‬

‫‪ ‬سنسورها در عمل دارای نویز زیادی هستند‬

‫‪ ‬دقت آنها محدود است‬

‫‪ ‬خراب میشوند ( قابل اعتماد نیستند)‬

‫‪ ‬قسمت محدودی از محیط را تحت پوشش قرار میدهند‬

‫‪ ‬قادر به توصیف دقیق محیط نیستند‬

‫‪ ‬سنسور مورد عالقه ممکن است گران باشد لذا ممکن است‬

‫با ترکیب چند سنسور ارزان به هدف مورد نظر رسید‬

‫تکنیک های ترکیب اطاعات سنسور ها‬



‫داده ها از چندین منبع مختلف جمع آوری میشوند‬ ‫‪‬‬

‫‪ ‬از طریق چند سنسور مختلف اندازه گیری میشوند‬

‫‪ ‬از چند موقعیت مختلف اندازه گیری میشوند‬

‫‪ ‬در زمانهای مختلف اندازه گیری میشوند‬

‫با استفاده از یک روش ریاضی عدم قطعیت موجود در منابع‬ ‫‪‬‬

‫داده درنظر گرفته میشود.‬

‫‪ ‬روشهای بیزین‬

‫‪ ‬شبکه های عصبی‬

‫‪ ‬فیلتر کالمن‬





‫01‬

‫دسته بندی سنسورها‬

‫داخلی:‬ ‫‪‬‬

‫اطالعاتی را از داخل روبات اندازه گیری میکنند. مثل: سرعت موتور، زاویه مفصل‬

‫ها، ولتاژ باتری وغیره‬

‫خارجی:‬ ‫‪‬‬

‫اطالعاتی را از محیط روبات جمع آوری میکنند: اندازه گیری مسافت، شدت نور،‬

‫دامنه صدا‬

‫‪:Passive‬‬ ‫‪‬‬

‫سنسور انرژی را از محیط دریافت میکند مثل سنسور حرارتی، ‪ ، CCD‬و میکروفن‬

‫‪:Active‬‬ ‫‪‬‬

‫انرژی را به محیط فرستاده وعکس العمل محیط در مقابل آنرا اندازه گیری میکند.‬

‫اندازه گیری کارائی سنسورها‬

‫‪Dynamic Range‬‬ ‫‪‬‬



‫عبارت است از دامنه حد باال و پائین مقادیر ورودی به سنسور‬ ‫‪‬‬

‫به نحویکه سنسور قادر به عملکرد عادی خود باشد.‬

‫‪DR= Maximum Input/Minimum Input‬‬

‫معموال بر حسب دسیبل بیان میشود.‬ ‫‪‬‬

‫اندازه گیری کارائی سنسورها‬

‫‪: Range ‬حد باالی مقادیر ورودی به سنسور‬

‫‪:Resolution ‬‬

‫حداقل اختالف بین دو مقداری که توسط سنسور قابل دریافت است‬

‫‪Linearity ‬‬

‫نحوه رفتار خروجی یک سنسور نسبت به تغییرات سیگنال‬

‫ورودی را مشخص میکند‬

‫یک رفتار خطی با رابطه زیر مشخص میشود.‬

‫)‪F(ax+by)= aF(x)+ bF(y‬‬

‫اندازه گیری کارائی سنسورها‬

‫‪Bandwidth or Frequency ‬‬

‫برای اندازه گیری سرعت یک سنسور در آماده کردن دنباله ای از‬

‫خروجی ها بکار میرود. بعبارت دیگر تعداد اندازه گیری های‬

‫سنسور در ثانیه را به فرکانس تعبیر میکنند.‬

‫‪Sensitivity ‬‬

‫عبارت است از معیاری از میزان تغییرات جزئی در سیگنال‬

‫ورودی که میتواند باعث تغییر در خروجی شود:‬

‫‪Output change / Input change‬‬

‫اندازه گیری کارائی سنسورها‬

‫‪Cross Sensitivity ‬‬

‫عبارت است از حساسیت به پارامترهای محیطی که متعامد با‬

‫سیگنال اصلی هستند.‬

‫یک قطب نما میتواند در جهت یابی روبات بر اساس میدان‬

‫مغناطیسی زمین بسیار مفید باشد. اما این وسیله عالوه بر میدان‬

‫مغناطیسی زمین به مصالح ساختمانی فلزی نیز حساسیت دارد.‬

‫در نتیجه استفاده از آن برای روبات که در محیط اتاق حرکت‬

‫میکند چندان مفید نخواهد بود.‬

‫اندازه گیری کارائی سنسورها‬

‫‪error ‬‬

‫عبارت است از تفاضل مقدار اندازه گیری شده و مقدار واقعی‬

‫‪error = m – v‬‬

‫‪Accuracy ‬‬

‫‪accuracy =1-error/v‬‬

‫‪Precision ‬‬

‫سنسوری دارای ‪ Precision‬باالست که بتواند در اندازه گیری های متفاوت‬

‫از یک کمیت واحدخروجی یکسانی تولید نماید.‬

‫‪precision= range/σ‬‬

‫مشکالت کار در محیط واقعی‬

‫روبات متحرک باید وضعیت محیط اطرافش را درک کرده، آنالیز نموده و بنحو قابل‬ ‫‪‬‬

‫استفاده ای بازگو نماید. اما اندازه گیری در محیط واقعی که همواره در معرض تغییر است‬

‫کاری است مشکل و دارای خطا خواهد بود.‬

‫مثالی از تغییرات و خطاهای محیطی:‬ ‫‪‬‬

‫‪ ‬تغییرات شدت نور‬

‫‪ ‬جذب نور یا صدا توسط سطوح‬

‫‪ ‬انعکاس توسط سطوح‬

‫در نتیجه روبات همواره در معرض حساست تعامدی نسبت به موقعیت و دینامیک روبات‬ ‫‪‬‬

‫و محیط خواهد بود.‬

‫‪ ‬مدل کردن خطاهای تصادفی کار سختی است‬

‫‪ ‬تعریف خطای سیستماتیک و تصادفی برای محیط های کنترل شده امکان پذیر است ولی‬

‫برای روبات متحرک بسیار سخت است.‬

‫مدل کردن خطا‬

‫مدل کردن خطا‬

‫میتوان رفتار سنسورها را با استفاده از یک تابع احتمال مدل نمود.‬ ‫‪‬‬

‫از آنجائیکه معموال دانش کمی در مورد علت بوجود آمدن خطا‬

‫وجود دارد در اغلب موارد توزیع احتمال خطا بصورت متقارن در‬

‫نظر گرفته میشود. این فرض میتواند در مورد مثالهای زیر ناصحیح‬

‫باشد:‬

‫بسته به شکل محیط و نوع اشیا قرار گرفته در آن سنسور اولتراسونیک‬ ‫‪‬‬

‫فاصله را بیش از حد واقعی نشان میدهد. لذا برای حالتی که سیگنال‬

‫برگستی صحیح بوده و حالتی که سگنل از محیط بدرستی برنگردد به دو‬

‫مدل مختلف نیاز خواهیم داشت.‬

‫در مورد بینائی استریو کارولیشن صحیح برای همه پیکسلها اتفاق نمی افتد‬ ‫‪‬‬

‫و نتایج ناصحیح بدست می آید.‬

‫مکان یابی‬

Localization

‫مکان یابی روبات در محیط‬

‫یکی از قابلیت های اساسی برای یک روبات متحرک توانائی‬ ‫‪‬‬

‫مکان یابی است. یعنی روبات بتواند موقعیت خود در محیط را‬

‫تشخیص دهد.‬

‫روشهای مختلفی برای اینکار وجود دارد‬ ‫‪‬‬

‫‪ Global Positioning System‬‬



‫‪ Dead-reckoning localization‬‬



‫‪ Triangulation Ranging‬‬



‫‪‬‬ ‫....‬

‫انکدرهای چرخ و یا موتورها‬

‫در اغلب روباتهای متحرک چرخدار از موتورهائی استفاده میشود که‬ ‫‪‬‬

‫جهت کنترل سرعت موتور مجهز به انکدر میباشند. از اینرو انکدر‬

‫سنسوری است که براحتی در دسترس است و میتوان با استفاده از آن‬

‫میزان چرخش موتور و یا چرخها را اندازه گرفت.‬

‫در انکدر از دیسکهائی استفاده میشود که با‬

‫نوارهای تیره و روشن تقسیم بندی شده اند. این‬

‫نوارها با عبور دادن نور در مکان های روشن‬

‫امکان اندازه گیری مقدار چرخش را میدهند.‬

Incremental Optical Encoders

A









B A leads B



ChA



ChB



DIR



Encoder pulse and motor direction

Absolute Optical Encoders

• Used when loss of reference is not possible.

• Gray codes: only one bit changes at a time ( less uncertainty).

• The information is transferred in parallel form (many wires are necessary).







Binary Gray Code

000 000



001 001



010 011



011 010



100 110



101 111



110 101



111 100

Other Odometry Sensors

• Resolver

It has two stator windings

positioned at 90 degrees.

The output voltage is

proportional to the sine or

cosine function of the

rotor's angle. The rotor is

made up of a third winding,

winding C







• Potentiometer

= varying resistance

‫& ‪Odometery‬‬

‫‪Dead Reckoning‬‬

‫برای یک روبات چرخدار میتوان مسافت طی شده توسط روبات را با‬ ‫‪‬‬

‫اندازه گیری تعداد دورهائی که چرخ چرخیده است اندازه گرفت.‬

‫ادومتری عبارت است از تخمین فاصله و جهت از یک محل معلوم با‬ ‫‪‬‬

‫استفاده از تعداد دورهائی که چرخهای روبات چرخیده اند.‬

‫ادومتری حالتی از ‪ Dead Reckoning‬است که در آن تخمین موقعیت‬ ‫‪‬‬

‫براساس زمان، سرعت و جهت نسبت به یک نقطه معلوم اندازه گیری‬

‫میشود.‬

‫‪ Dead Reckoning‬برای سالیان متوالی توسط دریانوردانی چون‬ ‫‪‬‬

‫کریستف کلمب استفاده شده است. این کار در روباتها با استفاده از انکدر‬

‫ها و یا شتاب سنجها انجام میشود.‬

‫‪Dead-reckoning localization‬‬

‫این روش مبتنی بر استفاده از سنسورهای داخلی است و‬ ‫‪‬‬

‫معموال با استفاده از انکدرها و سایر سنسورها تغییرات‬

‫موقعیت و جهت نسبت به فریم مرجع روبات اندازه گیری‬

‫میشود.‬

‫معموال فیدبکی از محیط دریافت نمیشود. لذا احتمال بروز خطا‬ ‫‪‬‬

‫در این روش وجود دارد.‬

‫روشی ساده وسریع است.‬ ‫‪‬‬



‫معموال در ترکیب با سایر روشها استفاده میشود.‬ ‫‪‬‬

‫مشکالت ادومتری‬

‫ادومتری برای تخمین موقعیت در فاصله های کوتاه و محاسبات‬ ‫‪‬‬

‫نسبی مفید است اما با افزایش فاصله خطا و عدم قطعیت بدون‬

‫محدودیت رشد خواهند نمود.‬

‫این عدم قطعیت ناشی از خطاهای سیستماتیک و غیر‬ ‫‪‬‬

‫سیستماتیک است.‬

‫خطاهای ادومتری‬

‫خطاهای غیر سیستماتیک:‬ ‫‪‬‬

‫بندرت قابل اندازه گیری هستند از اینرو نمیتوان آنها را در مدل‬ ‫‪‬‬

‫اعمال نمود. نظیر: سر خوردن چرخها، متفاوت بودن اصطکاک،‬

‫برخورد با اشیا، و اختالف سطح کف محیط‬

‫خطاهای سیستماتیک:‬ ‫‪‬‬

‫خطاهائی هستند که قابل اندازه گیری بوده و از طریق کالیبره کردن‬ ‫‪‬‬

‫قابل جبران هستند و میتوان اثر آنها را در مدل اعمال کرد. نظیر:‬

‫متفاوت بودن قطر چرخها که باعث حرکت دورانی روبات میشود، و‬

‫یا عدم قطعیت در مورد پایه چرخها که باعث خطا در زاویه چرخش‬

‫میشود.‬

Dead-Reckoning



β



)x+∆x, y+∆y, β)

α





(x, y, α)

Accumulated error can be

quite big for a period of time.

(0,0)





Dead-Reckoning

‫تاثیر خطای ادومتری در مسیر تخمین زده‬

‫شده‬









A robot’s path as obtained by its odometry,

relative to a given map.

‫سنسور جهت‬

‫‪ ‬برای اندازه گیری جهت روبات میتوان از سنسور داخلی مثل‬

‫ژایروسکوپ یا خارجی مثل قطب نما استفاده کرد. این سنسور‬

‫مقدار چرخش روبات را اندازه گیری میکند.‬

‫‪ ‬در صورت داشتن اطالعات سرعت میتوان با انتگرال گیری‬

‫تخمینی از وقعیت را بدست آورد.‬

‫قطب نما‬

‫ژایرسکوپ‬

‫‪ ‬ژایرسکوپ سنسوری برای اندازه گیری جهت است. دارای‬

‫المان چرخانی است که میتواند جهت چرخش خود را نسبت به‬

‫محور مشخصی ثابت نگه دارد. از اینرو اندازه مطلقی برای‬

‫جهت تولید میکند.‬

‫‪ ‬به دو صورت مکانیکی‬

‫و اپتیکی ساخته میشوند.‬

‫ژایرسکوپ‬

‫اصول کار ژایرسکوپ مکانیکی بر مبنای خاصیت اینرسی‬ ‫‪‬‬

‫یک روتور دوار سریع است:‬

‫اگر سعی کنید یک روتور سریع را در جهت محور عمودی آن تغییر‬ ‫‪‬‬

‫جهت دهید نیروی زیادی به دست شما وارد خواهد آمد که مقدار آن به‬

‫سرعت چرخش بستگی دارد.‬

‫برای استفاده از ژایرو در ناوبری محور چرخش آنرا در جهت‬ ‫‪‬‬

‫مشخصی مثال شمال-جنوب قرار میدهند.‬

‫ژایرسکوپ‬

‫اگر به محور چرخش ژایرو نیروئی‬ 

‫وارد شود، ژایرو با نیروئی قائم به آن‬

.‫عکس العمل نشان خواهد داد‬

This mass resonates with sufficient

velocity to produce a Coriolis force

when the device is subjected to

rotation. A capacitive sensing

structure that modulates the

Coriolis force is mounted

orthogonal to the mass. The

Coriolis force is then directly

related to the rotational velocity,

and internal demodulation converts

the signal into an output voltage.



In figure 1, the gyroscope is spinning on its axis.

In figure 2, a force is applied to try to rotate the spin axis.

In figure 3, the gyroscope is reacting to the input force along

an axis perpendicular to the input force

Ground-Based Active and

Passive Beacons

Introduction to GPS



 What is GPS

 The Global Positioning System (GPS) is a

worldwide radio-navigation system formed from a

constellation of 24 satellites and their ground

stations

 GPS receivers use these satellites as reference

points to calculate positions and time

 Originally known as Navigation System with

Timing And Ranging (NAVSTAR)

Global Positioning System

(GPS)

Global Positioning System

(GPS)

Global Positioning System

(GPS)

GPS Error Budget



 Source Uncorrected Error Level Ionosphere

0-30 meters

 Troposphere 0-30 meters

 Measurement Noise 0-10 meters

 Ephemeris Data 1-5 meters

 Clock Drift 0-1.5 meters

 Multipath 0-1 meter

 Selective Availability 0-70 meters

‫سنسور های فاصله‬

‫اندازه گیری فاصله به روش ‪ Active ranging‬یکی از متداولترین‬ ‫‪‬‬

‫روشها در روباتهای متحرک است: یک موج صوتی و یا نوری از‬

‫طریق فرستنده ای که روی روبات نصب است به محیط ارسال میشود و‬

‫گیرنده ای که در روی روبات قرار دارد منتظر بازگشت موج منعکس‬

‫شده توسط اشیا و موانع موجود در محیط میشود. با اندازه گیری زمان‬

‫پرواز رفت و برگشت موج میتوان فاصله تا اشیا و وموانع را محاسبه‬

‫نمود.‬

‫اغلب ارزان هستند و اندازه گیری مستقیمی از فاصله را تولید میکنند.‬ ‫‪‬‬

‫برای تشخیص موانع بکار میروند.‬ ‫‪‬‬

‫برای تهیه نقشه فضای آزاد محیط بکار میروند.‬ ‫‪‬‬

‫رقیب جدی آنها ‪ vision‬است که ممکن است از جذابیت آنها بکاهد.‬ ‫‪‬‬

‫اندازه گیری فاصله به روش‬

‫‪time of flight‬‬



‫دو سنسور بسیار متداول که بر مبنای خاصیت ‪ time-of-flight‬مورد استفاده قرار‬ ‫‪‬‬

‫میگیرند عبارتند از: ‪ Sonar‬و ‪Laser‬‬

‫مسافتی که یک موج صوتی و یا نوری ( الکترومغناطیسی) در محیط طی میکند از رابطه‬ ‫‪‬‬

‫زیر بدست می آید:‬

‫‪d =c⋅t‬‬

‫‪where‬‬

‫;)‪d = distance traveled (usually round-trip‬‬

‫;‪c = speed of wave propagation‬‬

‫.‪t = time of flight‬‬

‫سرعت انتشار صوت در محیط ‪ 300m/s‬است در حالیکه سرعت نور 000003‬ ‫‪‬‬

‫‪ Km/s‬یعنی یک میلیون بار سریعتر است. برای مثال نور 3 متر را در ‪ 10ns‬طی‬

‫میکند از اینرو اندازه گیری زمان پرواز نور برای فواصل کوتاه کار بسیار مشکلی است.‬

‫عوامل موثر بر کیفیت اندازه گیری زمان‬

‫پرواز موج‬

 Uncertainties in determining the exact time of arrival of

the reflected signal;

 Inaccuracies in the time-of-flight measurement

(particularly with laser range sensors);

 The dispersal cone of the transmitted beam (mainly

with ultrasonic range sensors);

 Interaction with the target (e.g., surface absorption,

specular reflections);

 Variation of propagation speed;

 The speed of the mobile robot and target (in the case

of a dynamic target);

‫سنسور اولتراسونیک‬

‫سنسورهای اولتراسونیک بدلیل ارزانی و سادگی استفاده در روباتها برای‬ ‫‪‬‬

‫اندازه گیری فاصله، پرهیز از موانع و ساخت نقشه محیط استفاده‬

‫میشوند.‬

‫در این سنسور یک بسته صوتی با فرکانسی در حدود ‪40-180KHz‬‬ ‫‪‬‬

‫توسط فرستنده ارسال میشود و سیگنالی که از محیط منعکس میشود‬

‫اندازه گیری میشود. فاصله تا اشیا از طریق اندازه گیری زمان رفت و‬

‫برگشت سیگنال محاسبه میشود.‬

‫سنسور اولتراسونیک‬

‫شکل موج‬

‫موج صوتی که توسط فرستنده ارسال میشود دارای پهنای‬ ‫‪‬‬

‫تقریبی 03 درجه خواهد بود. به این معنا که هر شیئ که در‬

‫داخل این پهنا قرار گیرد امکان دارد که موج ارسالی را‬

‫منعکس نماید. لذا اندازه گیری با ابهام در مورد شئی منعکس‬

‫کننده همراه خواهد بود.‬

‫رینگ اولتراسونیک‬

‫برخی روباتها برای تحت پوشش قرار دادن کل محیط از یک‬ ‫‪‬‬

‫رینگ سونار که از تعدادی سنسور که با زاویه مشخص قرار‬

‫گرفته اند استفاده میکنند.‬

‫اسکن محیط‬

‫برای بدست آورن اطالعات محیط الزم است تا در زاویه های‬ ‫‪‬‬

‫مختلف اندازه گیری انجام شود.‬



‫‪Doorway‬‬









‫‪Robot‬‬

‫‪Length of Echo‬‬



‫‪chair‬‬ ‫‪chair‬‬





‫‪Scan moving from left to right‬‬

‫اندازه گیری در هر 51 درجه‬

‫برخی مشکالت اندازه گیری با سونار‬

‫‪ (a‬اندازه گیری سونار دقیق است.‬ ‫‪‬‬



‫‪ (b,c‬نزدیک ترین شئی به سنسور‬ ‫‪‬‬

‫فاصله را مشخص خواهند نمود.‬

‫‪ (d‬انعکاس باعث خواهد شد تا‬ ‫‪‬‬

‫دیوار ناپدید شود!‬

‫‪ (e‬اغلب گوشه ها سیگنالهای‬ ‫‪‬‬

‫بازگشتی ضعیفی تولید میکنند.‬

‫در کنج ها بدلیل بازگشت ازچند‬ ‫‪‬‬

‫نقطه اندازه گیری فاصله بیشتری‬

‫را برمیگرداند.‬

‫مشکالت مربوط به نویز‬

‫سنسور اولتراسونیک‬

‫سنسور اولتراسونیک‬

‫‪Ultrasonic Sonar Sensor‬‬

‫سنسور پوالروید یکی از مشهورترین‬ ‫‪‬‬

‫‪Electronic board‬‬ ‫‪Ultrasonic‬‬

‫‪transducer‬‬

‫سنسورهای سونار مورد استفاده در‬

‫روباتهاست که توسط پوالروید برای‬

‫اندازه گیری فاصله تا شئی مقابل دوربین‬

‫( برای تنظیم خودکار فوکاس) ساخته‬

‫شده است. برخی مشخصات آن:‬

‫‪‬‬ ‫‪transmitter + receiver @ 50 KHz‬‬

‫‪‬‬ ‫‪Residual vibrations or ringing may‬‬

‫‪be interpreted as the echo signal‬‬

‫‪‬‬ ‫‪Blanking signal to block any return‬‬

‫‪signals for the first 2.38ms after‬‬

‫‪transmission‬‬



‫در بسیاری روبات ها از یک جفت فرستنده و گیرنده‬ ‫‪‬‬

‫به همراه مدار الکترونیکی الزم استفاده میشود.‬

‫اندازه گیری فاصله با استفاده از لیزر‬

‫استفاده از لیزر برای اندازه گیری فاصله برتری های زیادی‬ ‫‪‬‬

‫نسبت به استفاده از صوت دارد.‬

‫یک باریکه نور لیزری بر روی سطح مورد نظر تابانده شده و‬ ‫‪‬‬

‫بازتاب آن توسط آشکار ساز نوری تشخیص داده میشود.‬

‫فاصله از روی زمان الزم برای رفت و برگشت نور تخمین‬ ‫‪‬‬

‫زده میشود.‬

‫با استفاده از یک سیستم مکانیکی که شامل آینه و موتور است‬ ‫‪‬‬

‫میتوان محیط را بصورت 2 و یا 3 بعدی جاروب کرده ونقشه‬

‫محیط را ترسیم نمود.‬

‫اندازه گیری فاصله با استفاده از لیزر‬

‫‪Pulsed laser‬‬ ‫‪‬‬

‫در این روش همانند اولتراسونیک یک بسته نوری به سمت‬ ‫‪‬‬

‫هدف ارسال شده و زمان رفت و برگشت محاسبه میشود.‬

‫اینکار نیازمند آن خواهد بود تا زمان با دقت ‪PS‬اندازه گیری‬

‫شود.‬

‫‪Phase Shift‬‬ ‫‪‬‬

‫در این روش اختالف فاز بین نور ارسالی و برگشتی اندازه‬ ‫‪‬‬

‫گیری میشود. اجرای عملی این روش ساده تر است.‬

‫اندازه گیری فاصله با استفاده از لیزر به روش‬

‫‪Phase Shift Measurement‬‬

‫یک نورلیزر و یا مادون قرمز همگرا شده وبه محیط فرستاده میشود.‬ ‫‪‬‬

‫چون زبری اغلب سطوح ازطول موج نورتابیده بیشتراست، بازتاب نور‬

‫بصورت ‪ isotroical‬بوده وقسمتی ازآن موازی با نور تابیده شده به‬

‫سمت فرستنده بازمیگردد که با نصب گیرنده مناسب میتوان آنرا دریافت‬

‫کرد.‬

‫نور با فرکانس مشخصی ارسال شده و اختالف فاز بین نور ارسالی‬ ‫‪‬‬

‫وبازتاب آن اندازه گیری میشود.‬

‫اندازه گیری فاصله با استفاده از لیزر‬

‫‪Phase Shift Measurement‬‬

‫‪ ‬طول موج سیگنال مودوالسیون از رابطه زیر بدست می آید:‬

‫که ‪ c‬سرعت نور و ‪ f‬فرکانس مدوالسین است.‬





‫کل مسافت طی شده توسط نور از رابطه زیر بدست می آید:‬ ‫‪‬‬









‫که ‪ q‬اختالف فاز نور ارسالی و دریافتی است. از لحاظ تئوری این نوع اندازه گیری با ابهام‬

‫مواجه است زیرا با طول موج ‪ l=60 m‬شئی در فاصله و 5 متری با شئی درفاصله 56‬

‫متری از هم قابل تشخیص نخواهندبود.‬

‫اندازه گیری فاصله با استفاده از لیزر‬

‫اندازه گیری فاصله با استفاده از لیزر‬





‫رزلوشن زاویه ای 5.0 درجه‬

‫رزلوشن عمق در حدود 5 سانتیمتر‬

‫و رنج قابل اندازه گیری بین ‪ 5cm , 20 m‬است‬

‫5 اسکن 081 درجه در ثانیه انجام میدهد.‬

‫اسکن کامل محیط توسط لیزر‬

‫معموال در لیزرهای فاصله از آینه ای استفاده میشود که بر روی پایه ای‬ ‫‪‬‬

‫دوار نصب شده و به کمک یک موتور میتواند تا 063 چرخیده و نور‬

‫سنسور را درزوایای مختلفی به محیط بفرستد.‬

‫بدین ترتیب میتوان اطالعات دو بعدی در مورد فضای اطراف روبات‬ ‫‪‬‬

‫بدست آورد. میتوان با اضافه کردن یک موتور دیگر و جاروب فضا در‬

‫محور عمودی، محیط را بصورت 3 بعدی اسکن نمود.‬

‫اسکن کامل محیط توسط لیزر‬









‫یک نمونه از داده های حاصل از اسکن 063 درجه محیط در شکل نشان داده شده‬ ‫‪‬‬

‫است:‬

‫رزلوشن زاویه ای 5.0 درجه‬ ‫‪‬‬

‫رزلوشن عمق در حدود 5 سانتیمتر‬ ‫‪‬‬

‫و رنج قابل اندازه گیری بین ‪ 5cm , 20 m‬است‬ ‫‪‬‬

‫5 اسکن 081 درجه در ثانیه انجام شده است.‬ ‫‪‬‬

‫این سنسور برتری محسوسی نسبت به سونار دارد.‬ ‫‪‬‬

‫اندازه گیری فاصله با استفاده از لیزر‬

‫مشکالت‬ ‫‪‬‬

‫قادر به تشخیص اشیا شفاف مثل شیشه نیست‬ ‫‪‬‬



‫برگشت نور ازاشیا صیقلی باعث عدم دریافت نور توسط گیرنده و در‬ ‫‪‬‬

‫نتیجه عدم تشخیص فاصله میگردد.‬

‫‪Triangulation Ranging‬‬

‫این روشها با استفاده از خواص هندسی به اندازه گیری فاصله‬ ‫‪‬‬

‫میپردازند‬

‫معموال یک پترن نوری به محیط فرستاده شده و انعکاس آن‬ ‫‪‬‬

‫توسط گیرنده ای دریافت میشود و با داشتن اطالعات هندسی‬

‫مشخص فاصله اندازه گیری میشود. این عمل ممکن است‬

‫بصورت یک بعدی و یا دو بعدی انجام شود.‬

‫)‪Optical Triangulation (1D‬‬

‫یک باریکه نور همگرا شده به هدف فرستاده شده و انعکاس آن‬ ‫‪‬‬

‫توسط یک عدسی بر روی صفحه حساس به فاصله انداخته‬

‫میشود. با استفاده از روابط هندسی فاصله بصورت زیر‬

‫محاسبه میشود.‬

‫)‪Optical Triangulation (1D‬‬

‫این فاصله با ‪ 1/x‬نسبت معکوس دارد لذا رزلوشن سنسور‬ ‫‪‬‬

‫برای اشیاء دور کمتر خواهد بود.‬

‫در روباتیک از آن برای اندازه گیری فاصله اشیا تا 2 متر‬ ‫‪‬‬

‫استفاده میشود ولی کاربرد مهمتر این سنسور در صنایع برای‬

‫اندازه گیری های دقیق در حدود1 میکرومتر است.‬

‫سنسور ارزان قیمت ساخته شده توسط‬

‫‪ Sharp‬استفاده فراوانی در روباتهای‬

‫متحرک برای اندازه گیری فاصله در رنج 8‬

‫تا 08 سانتیمتری دارد.‬

‫)‪Optical Triangulation (2D‬‬

‫با جایگزینی یک دوربین ‪ CCD‬بجای سنسور حساس به فاصله‬ ‫‪‬‬

‫میتوان روش فوق را به دو بعد گسترش داد.‬

‫در اینحالت فرستنده یک پترن مشخص نوری ‪(structured‬‬ ‫‪‬‬

‫)‪ light‬را برروی هدف می تاباند ودوربین انعکاس نور تابیده‬

‫را دریافت میکند.‬

‫این روش در تاریکی و نور کم‬

‫هم قابل استفاده است و مشکل‬

‫‪ Correspondence‬سیستم‬

‫های استریو را ندارد.‬

‫)‪Optical Triangulation (2D‬‬

‫مقادیر اندازه گیری شده توسط‬ ‫‪‬‬

‫سنسور عبارتند از زاویه ‪ a‬و فاصله‬

‫تصویر بدست آمده یک نقطه تا مبدا‬

‫تصویر.‬

‫با استفاده از روابط هندسی داریم:‬ ‫‪‬‬

‫)‪Optical Triangulation (2D‬‬

‫دقت سنسور در اندازه گیری را میتوان توسط روابط زیر نشان داد:‬ ‫‪‬‬









‫با توجه به روابط فوق داریم:‬ ‫‪‬‬

‫با افزایش ‪ b‬رزلوشن سنسور بیشتر میشود اما اندازه سنسور هم بزرگتر‬ ‫‪‬‬

‫خواهد شد.‬

‫با افزایش فاصله کانونی ‪ f‬رزلوشن بیشتر میشود اما اندازه سنسور هم‬ ‫‪‬‬

‫بزرگتر خواهد شد.‬

‫با ارزانتر شدن لیزر اسکنرها کاربرد این نوع از سنسور به موارد‬ ‫‪‬‬

‫تحقیقاتی گسترده شده است.‬

‫سنسورهای سرعت و حرکت‬

‫سنسورهائی وجود دارند که میتوانند مستقیما حرکت نسبی بین‬ ‫‪‬‬

‫روبات و محیط را اندازه بگیرند.‬

‫برای روباتهائی که در بزرگراه ها حرکت میکنند استفاده از‬ ‫‪‬‬

‫سنسورهای ‪ Doppler‬تنها راه تشخیص اشیا میباشد.‬

‫در این سیستمها از هر دو امواج صوتی و الکترومغناطیسی‬ ‫‪‬‬

‫استفاده میشود.‬

‫سنسورهای سرعت و حرکت‬

‫شتاب سنج‬

‫اندازه گیری فاصله با استفاده از شتاب‬

‫اندازه گیری جهت‬

Inertial measurement unit

 An inertial measurement unit, or IMU, is an

electronic device that measures and reports on a

craft's velocity, orientation, and gravitational forces,

using a combination of accelerometers and

gyroscopes.

 The IMU is the main component of inertial

navigation systems used in aircraft, spacecraft,

watercraft, and guided missiles among others.

 An IMU works by detecting the current rate of

acceleration using one or more accelerometers, and

detects changes in rotational attributes like pitch, roll

and yaw using one or more gyroscopes.

‫اندازه گیری فاصله با استفاده از سنسور‬

‫بینائی‬

‫بینائی قویترین حس آدمی است‬ ‫‪‬‬



‫بینائی پیچیده ترین حس آدمی نیز بشمار میرود.‬ ‫‪‬‬



‫هنگامی که توسط یک دوربین از یک شیئ سه بعدی تصویر برداری‬ ‫‪‬‬

‫میشود، اطالعات بعد سوم یعنی عمق یا فاصله شیئ بصورت دو بعدی‬

‫تصویر خواهد شد.‬

‫استخراج اطالعات بعد سوم از یک تصویر دو بعدی کار ساده ای نیست.‬ ‫‪‬‬



‫از روشهائی نظیر بینائی استریو، ‪ triangulation‬و یا روشهای مبتنی‬ ‫‪‬‬

‫بر فوکاس میتوان برای بدست آوردن اطالعات بعد سوم استفاده نمود.‬

‫سنسورهای بینائی‬

Vision Sensors

 CCD (light-sensitive, discharging capacitors

of 5 to 25 micron )







 CMOS (Complementary Metal Oxide

Semiconductor technology )

‫‪Visual Range Sensors‬‬

‫اگر اطالعاتی در مورد اندازه اشیا وجود داشته باشد امکان‬ ‫‪‬‬

‫اندازه گیری فاصله از روی اندازه وجود خواهد داشت ولی‬

‫معموال چنین نیست.‬

‫راه حل کلی استفاه از چندین تصویر مختلف است تا اطالعات‬ ‫‪‬‬

‫اضافی مورد نیاز بدست آید.‬

‫دو روش مختلف:‬ ‫‪‬‬

‫‪ Depth from focus/defocus‬از اختالف پارامترهای دوربین‬ ‫‪‬‬

‫ها استفاده میکند.‬

‫‪ Stereo vision‬از اختالف دید دوربین ها استفاده میکند.‬ ‫‪‬‬

‫اندازه گیری فاصله از طریق فوکاس/دی‬

‫فوکاس‬



‫ایده اصلی در این روش استخراج فاصله از طریق اندازه گیری‬ ‫‪‬‬

‫پارامترهای دوربین است.‬

‫در این روش برای حل مسئله اندازه گیری عمق تصویردو و‬ ‫‪‬‬

‫یا چند تصویر از صحنه گرفته میشود. اختالف تصاویر در‬

‫فاصله کانونی و یا فاصله صفحه تصویر میباشد.‬

‫اندازه گیری فاصله از طریق فوکاس‬

‫اندازه گیری فاصله از طریق فوکاس‬

‫اندازه گیری ‪Sharpness‬‬

‫برای اندازه گیری وضوح تصویر از روابط زیر استفاده‬ ‫‪‬‬

‫میشود.‬

‫‪Depth from defocus‬‬

‫در این روش از یک صحنه دو و یا چند تصویر با پارامترهای‬ ‫‪‬‬

‫مختلف دوربین گرفته میشود.‬

‫اطالعات مربوط به فاصله از تصویر سه بعدی حاصل‬ ‫‪‬‬

‫استخراج میشود.‬

‫تصویر فوکاس شده‬

‫‪ ‬اگر یک شی در مقابل دوربین ‪Pinehole‬قرار گرفته باشد،‬

‫تصویر فوکاس شده یک نقطه ‪x,y‬از تصویرآن با )‪F(x,y‬‬

‫نشان داده شده و برابر است با شدت نوری که از آن نقطه به‬

‫تصویر میرسد.‬

‫‪ ‬تابع ‪point spread function‬بصورت زیر تعریف میشود:‬

‫مقدار نور تابش شده از نقطه ‪ P‬شی در تصویر فوکاس شده که در‬

‫تصویر بدون فوکاس دخالت میکند.‬

‫‪Point Spread Function‬‬

‫با فرض اینکه ‪blur circle‬دارای شدت نور یکنواختی است‬ ‫‪‬‬

‫این تابع بصورت زیر تعریف میشود:‬

‫آزمایشات‬

 Best reported result is 1.3% RMS error in

terms of distance from the camera when the

target is about 0.9 m away .

 The key problems are the measurement of

difference of blurring amount and the

calibration of the mapping between depth and

the difference of blurring.

‫استریو ویژن‬

‫با استفاده از دو دوربین میتوان به یک ادارک 3 بعدی از محیط‬ ‫‪‬‬

‫دست پیدا کرد. در عمل چنین سیگنالی پیچیده و همراه با نویز‬

‫خواهد بود.‬

‫هر دوربین منظره ای با تفاوتی اندک را ثبت خواهد نمود.‬ ‫‪‬‬

‫فاصله بین نقاط متناظر در دو تصویر را ‪stereo disparity‬‬

‫میگویند‬









‫‪disparity‬‬

‫‪Stereo Vision‬‬

‫در حالت ساده اگر محور اپتیکی دو دوربین مطابق شکل موازی باشند برای مختصات‬

‫یک نقطه در دو تصویر داریم:‬

‫‪Stereo Vision‬‬

‫فاصله نسبت معکوس با ‪disparity‬دارد‬ ‫‪‬‬

‫اشیا نزدیکتر را با دقت بیشتری میتوان اندازه گرفت‬ ‫‪‬‬



‫مقدار ‪ disparity‬با ‪b‬رابطه مستقیم دارد‬ ‫‪‬‬

‫برای یک مقدار خطای ‪disparity‬ثابت دقت اندازه گیری عمق با افزایش ‪b‬‬ ‫‪‬‬

‫بیشتر خواهد شد.‬

‫اما این امکان وجود دارد که با افزایش ‪ b‬برخی اشیا فقط در یک تصویر دیده‬ ‫‪‬‬

‫شوند.‬

‫نقطه ای که در هر دو تصویر قابل رویت باشد، تشکیل یک زوج‬ ‫‪‬‬

‫‪ conjugate‬در تصاویر حاصله خواهد داد که با دانستن محل یکی‬

‫میتوانیم در خطی با نام ‪ epipolar‬بدنبال دیگری بگردیم. در مثال شکل‬

‫قبل این خط موازی محور ‪ x‬است.‬

‫اندازه گیری فاصله به روش استریو‬

 The amount of disparity is related to distance

 the difficulty lies in identifying corresponding points

 The general principle is

 left and right images are digitized

 raw images are rectified for distortion / misalignment

 rectified images are filtered to enhance textures+edges

 a stereo matching algorithm is applied

 modern techniques search along horizontal scan lines to find the best

set of matching pixels (e.g. mean-squared-error)

 raw disparity map is filtered to remove noise

 This can now be done on modern computers

 e.g. Pentium P-4 @ GHz at interactive frame rates

Stereo Vision – the general

case

‫در حالت کلی ممکن است فرض موازی بودن محور اپتیکی‬ 

.‫دو دوربین صحیح نباشد‬









.‫مقادیر ماتریس دوران از طریق کالیبراسیون بدست میاید‬

We have 12 unknowns and require 12 equations:

we require 4 conjugate points for a complete calibration.

Note: Additionally there is a optical distortion of the image

‫سوال اساسی‬

‫نقاط مزدوج در دو تصویر را چگونه میتوان پیدا کرد؟‬ ‫‪‬‬



‫‪‬‬ ‫‪How do we solve the correspondence‬‬

‫?‪problem‬‬

‫کدامیک از المانهای تصویر باید با هم مقایسه شوند؟‬ ‫‪‬‬



‫دو روش وجود دارد:‬ ‫‪‬‬

‫)‪Pixel/area-based (lower-level‬‬ ‫‪‬‬



‫)‪Feature-based (higher-level‬‬ ‫‪‬‬

‫مشکالت پیدا کردن نقاط مرتبط‬

‫المانهای تصویری ممکن است در دو تصویر یکسان دیده‬ ‫‪‬‬

‫نشوند. برخی دالیل این امر عبارتند از:‬

‫مسایل مربوط به دوربینها.‬ ‫‪‬‬

‫وجود نویز در تصاویر، گین متفاوت دوربین ها، کنتراست متفاوت‬ ‫‪‬‬



‫مسایل مربوط به زاویه دید تصاویر.‬ ‫‪‬‬

‫اعوجاج پرسپکتیو‬ ‫‪‬‬



‫پوشیده شدن نقاط‬ ‫‪‬‬



‫انعکاس‬ ‫‪‬‬

‫نصب دوربین ها‬

‫سعی میشود تا دوربین های انتخاب شده از هر دو جهت یکسان‬ ‫‪‬‬

‫باشند.‬

‫دوربین ها بصورت کامال موازی هم نصب شوند.‬ ‫‪‬‬







‫انتخاب فاصله بین دو دوربین دارای ویژگی های زیر است:‬ ‫‪‬‬

‫فاصله کم: پیدا کردن نقاط یکسان دوتصویر ساده تر است‬ ‫‪‬‬



‫فاصله زیاد: درک بهتری از عمق وجود خواهد داشت‬ ‫‪‬‬

‫پیدا کردن نقاط یکسان‬

‫برای پیدا کردن هر نقطه یک تصویر در تصویر دیگر عمل‬ ‫‪‬‬

‫جستجو در روی یک خط با نام ‪ Epipolar line‬انجام‬

‫میشود.‬

‫با استفاده از پنجره های همسایه به جستجوی مشابه ترین ناحیه‬ ‫‪‬‬

‫پرداخته میشود.‬

‫پیدا کردن نقاط یکسان‬

:‫برخی از معیارهای تشابه بین ناحیه ها عبارتند از‬ 



•SAD (sum of absolute differences)

•SSD (sum of squared differences)

•CC (cross-correlation)







‫برخی از پارامترهای مهم در انتخاب اندازه‬

:‫پنجره عبارتند از‬



•Ambiguity

•Noise sensitivity

•Sensitivity towards viewpoint-

related distortions

•Expected object sizes

•Frequency of depth jumps

‫‪Zero Crossing of Laplacian of‬‬

‫‪Gaussian‬‬

‫‪ ‬روش ‪Zero Crossing of Laplacian of Gaussian‬‬

‫یکی از تکنیک های متداول برای یافتن نقاط مزدوج میباشد.‬

‫‪ ‬روشی است برای یافتن نقاطی در تصاویر سمت راست و چپ‬

‫که پایدار بوده و بخوبی با هم انطباق پیدا میکنند.‬

‫‪ ‬این روش در نرم افزار و سخت افزار پیاده شده است.‬

‫‪ ‬هسته این روش را الپالسین تصویر تشکیل میدهد:‬

‫‪Zero Crossing of Laplacian of‬‬

‫‪Gaussian‬‬

‫برای اینکه بتوان رابطه فوق را برای یک تصویر دیجیتال‬ ‫‪‬‬

‫محاسبه نمود آنرا با یک کانولوشن تقریب میزنند:‬









‫‪kernel‬‬

‫مثال‬

 Step / Edge Detection in Noisy Image

‫حذف نویز‬

‫برای کاهش اثر نویز ابتدا با استفاده از اپراتور گاوسی روی‬ ‫‪‬‬

‫تصویر هموار سازی بعمل میاید.‬

‫‪‬‬ ‫‪filtering through Gaussian smoothing‬‬

‫مثال‬

left images right images



‫اعمال الپالسین بر روی‬ 

‫تصویر هموار شده باعث‬

spike ‫بوجود آمدن‬

edge filtered ‫مثبت و منفی در محل لبه‬

.‫ها خواهد شد‬



b1 and b2: vertical edge filtered

confidence image depth image left and right image;

filter = [1 2 4 -2 -10 -2 4 2 1]

c: confidence image:

bright = high confidence (good texture)

d: depth image:

bright = close; dark = far

‫‪Zero Crossing of Laplacian of‬‬

‫‪Gaussian‬‬

‫یک ویژگی بسیار موثر برای برای پیدا کردن‬ ‫‪‬‬

‫‪ correspondence‬بین تصاویر راست و چپ میتواند‬

‫‪zero crossing‬الپالسین تصویر هموار شده باشد ‪LoG‬‬

‫‪Zero crossing‬دارای عرضی برابر با یک پیکسل است و‬ ‫‪‬‬

‫بخوبی در تصاویر قابل محاسبه است.‬

Color Tracking Sensors

 Motion estimation of ball and robot for soccer

playing using color tracking

Representing Colors in an

RGB Image

How do We Segment a

“Single” Color?

 We need to model it mathematically a priori

Simple RGB Color

Segmentation

Grouping, Clustering: Assigning

Features to Features


Related docs
Other docs by HC12021122825
Hommage f�r einen Unbekannten
Views: 1  |  Downloads: 0
cor cas auchan belle vie
Views: 0  |  Downloads: 0
RESUME EXTEREME MAKEOVER
Views: 0  |  Downloads: 0
TOYOTA VALENCIENNES
Views: 0  |  Downloads: 0
August 10
Views: 0  |  Downloads: 0
Physiologie de la Pubert�
Views: 0  |  Downloads: 0
MEDICINES CONTROL COUNCIL
Views: 0  |  Downloads: 0
Command Career Counselor Course
Views: 1  |  Downloads: 0
Power SystemCH07
Views: 3  |  Downloads: 0
letter to ap parents at the patch
Views: 9  |  Downloads: 0
By registering with docstoc.com you agree to our
privacy policy

You are almost ready to download!

You are almost ready to download!