視覚ベースの障害物回避を備えた移動ロボット
要約：
このレポートの目的は、USB Webカメラを使用して障害物を視覚的に検出および回避できる移動ロボットの設計と実装の概念について説明し、実証することです。このシステムは、Linuxベースの35米ドルのコンピューターであるRaspberry Piハードウェアに移植されました。このブログでは、屋内環境内を移動できるモバイルロボットの実装を成功させるために必要な重要な概念に焦点を当てます。提案されたソリューションは、倉庫の設定内で使用して、人間のオペレーターを必要とせずに、ある場所から次の場所に商品を輸送することを目的としています。
はじめに：
ロボットはすでに市場に出回っていますが、これらのロボットは購入するのに費用がかかり、倉庫、戦場、または家庭などの単一の環境環境で動作するように意図的に設計されています。これらのロボットは、超音波センサーや赤外線センサーなどのパッシブセンサーを使用して障害物を検出することができ、地上での移動性から自動運転車と呼ばれることもあります。従来、これらの自律システムには通常、超音波距離センサー、赤外線センサー、GPSなどのパッシブセンサーが装備されており、その位置と環境を感知します。これらのセンサーの存在により、ロボットは障害物と一緒に配置されたときに障害物との衝突を回避できます（Wang J. et al、2011）。しかし、高い処理能力を備えた低コストの組み込みコンピュータシステム技術の進歩により、障害物を検出できる自律型ロボットを設計するためのより信頼性が高く費用効果の高い方法を使用することが可能になります。考えられる方法の1つは、障害物を視覚的に検出して回避できるコンピュータービジョンアルゴリズムを利用することです。センサーベースの障害物検出方法は、ロボットの距離に対する障害物の近接に限定されますが、視覚ベースの方法では、障害物を回避する前に障害物を検出して識別することができます。
提案されたソリューションとアーティファクト：
このレポートの目的は、RaspberryPiに接続されたUSBWebカメラを使用して障害物を検出および回避できる自律型ロボットを設計することです。本報告書では、移動ロボットの基本的な考え方と、現在屋内で採用されている技術を紹介します。提案システムを実装するために、以下のステップが実行されました。
- 障害物を検出できるSimpleCVなどのコンピュータービジョンフレームワークを使用してアルゴリズムを設計します。
- アルゴリズムをRaspberryPiに実装します
- Pythonプログラミング言語を使用してRaspberryPiにモーター制御を実装する
- RaspberryPiを使用して提案されたシステムのパフォーマンスをテストおよび評価します
さらに、提案されたシステムを完全に実現するために、以下の目的が達成されました。
- 障害物の検出範囲は、要求に応じてアルゴリズムを変更することで作成できます。
- 一定のサイズの幾何学的形状（つまり円）が検出のために障害物に配置されます
- SimpleCVライブラリはRaspberryPiと通信して、2つのDCモーターを制御します
- システムは、コードを変更し、さまざまな距離で障害物を検出することによってテストおよび評価されます
ハードウェアとソフトウェアのリスト：
提案されたシステムは、画像をキャプチャするためにUSBWebカメラを使用してRaspberryPiに実装されました。以下は、提案された自律型ロボットを完全に実現するために必要なハードウェアとソフトウェアのリストです。
ハードウェア：
- ラズベリーパイキット
- USBウェブカメラ
- 2つのDCモーター
- Hブリッジ（モーターの方向を制御するため）
- シャーシ、
- ケーブル
- ブレッドボード
ソフトウェアパッケージ：
- SimpleCVpythonライブラリ
- Ubuntuオペレーティングシステム
- Raspberry OS（Raspbian）、
- Python2.7
提案するシステムは、さまざまな範囲で障害物を検出することができます。これは、視覚的な迫り来るアルゴリズムに触発され、カメラと障害物の間の距離を測定しながら、コード内の最小ピクセル数を定義することによって達成されました。
図–プロジェクトの円とロボットからの障害物の距離との関係を見つけるために使用される実験的なセットアップ
上記の配置は、ロボットからの障害物の実際の距離に対応する最小ピクセル数の間の関係を決定するために、障害物（円）とロボットの間の距離を測定するために実験室で行うことができます。上の図と第2章で説明したように、円のサイズは、円が接近していると大きくなり、円が離れていると小さくなります。したがって、アルゴリズム内でピクセル数が変更されたときに、ロボットに対する障害物の距離測定を可能にする一連のテストを実行できます。アルゴリズムが障害物を検出する適切な距離を見つけるために、障害物は上の図に示すように移動します。
図–視覚的迫り来る概念は医学から着想を得ています
システム全体のフローチャート：
次のフローチャートは、提案されたビジョンベースのロボットがRaspberryPiとSimpleCVフレームワークを使用してどのように設計されるかを説明しています。図6に示すように、USBWebカメラはコンピューターへの入力としてRaspberryPiに接続されます。 USB Webカメラは、着信フレームをスキャンして、特定の幾何学的形状、つまり障害物に配置される円を探します。障害物を幾何学的形状、つまり円でマークする理由は、アルゴリズムを準備する際の時間を短縮するためだけに決定されました。通常、視覚ベースの障害物検出は、ロボットと障害物の間の距離を判断するステレオビジョンを作成する2台のカメラを使用して行われます（Neves＆Matos、2013）。したがって、単一のカメラを使用して幾何学的形状、すなわち円を検出することは、円の半径を計算することによって達成され、ロボットがロボットと障害物の距離を検出するのに役立つであろう。障害物を検出するこの方法は、Sachin＆Paolo（1998）によって提案されたビジョン迫り来る方法に触発されました。
提案されたシステムには、RaspberryPiに接続されるUSBカメラが組み込まれます。 Raspberry Piは、幾何学的形状、つまり円を探しながら、ビデオ内の画像を取得するPythonスクリプトを実行します。円が検出されると、画面上の円の位置に基づいて、スクリプトはロボットの方向を制御するために使用されるGPIOポートピンを上下にプルします。
コンピュータービジョンアルゴリズムの構造：
アルゴリズムは、Raspberry Piに移植する前に、Ubuntuを搭載したラップトップで準備されました。これは、UbuntuとRaspbianがLinuxのフレーバーであり、クロスプラットフォーム間でのアルゴリズムの移植と実装を容易にするという事実によるものです。これにより、Raspberry Piに常時接続しなくても、アルゴリズムを柔軟に操作できるようになりました。したがって、アルゴリズムはハードウェアインターフェイスを気にせずに独立して実装されました。
ビジョンベースのシステムを設計する最初のステップは、障害物を検出してアルゴリズムの準備に役立つ関心領域（ROI）を選択することです。この場合のROIは、アルゴリズムによって検出される黒い円です。検出後、アルゴリズムは画像を2値化し、関心領域のみが背景に表示されるようにします。アルゴリズムは、画面上の円の座標を測定し、画面のどの領域で円が検出されたかに関する座標を測定します。座標が画面の中央にある場合、アルゴリズムは前述のようにロボットをそれに応じて移動します。
アルゴリズムを作成する前に、RaspberryPiが障害物を検出して追跡できるようにする画面解像度を決定する必要がありました。 Raspberry Piは、システムクロック速度が700MHz、RAMが512MBに制限された低電力のコンピューターであるため、高解像度ビデオ入力は多くの処理能力を消費し、最終的にシステムの信頼性を低下させます。したがって、RaspberryPiコンピューターがカメラからのデータを処理するのに十分な中間点を選択する必要があります。
何度か試行錯誤した後、後のセクションで説明するように、320×240の解像度が選択されました。この解像度は、さまざまな色空間と幾何学的形状を検出するのに十分でした。また、実験では、この解像度が、特に640×480以上の高解像度の場合のように、入力ビデオの遅延を引き起こしていないことがわかりました。これについては、このレポートのセクション4で詳しく説明しています。
画像から障害物を検出する最初のステップは、図8に示すように、画面を3つの異なるセグメントに分割することでした。これは、障害物の位置を検出および追跡して、それぞれのモーターアクションを前のセクション。この設計プロジェクトでは、障害物は特定の記号、つまり円で表されます。したがって、円が存在すると、アルゴリズムに障害物が存在することが登録されます。
詳細：視覚ベースの障害物回避機能を備えた移動ロボット
製造プロセス