Contributions to mobile robot navigation based embedded systems and grid mapping
Author
Osati Eraghi, NafisehEntity
UAM. Departamento de Tecnología Electrónica y de las ComunicacionesDate
2015-07-13Subjects
Robots - Tesis doctorales; Sistemas insertados (Informática) - Tesis doctorales; Grids computacionales - Tesis doctorales; InformáticaNote
Tesis doctoral inédita leída en la Universidad Autónoma de Madrid, Escuela Politécnica Superior, Departamento de Tecnología Electrónica y de las Comunicaciones. Fecha de lectura: 13-07-2015Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
Abstract
Path planning is a problem as old as humankind. The necessity of optimizing the resources to reach a
location has been a concern since prehistory. Technology has allowed approaching this problematic using
new resources. However, it has also introduced new requirements.
This thesis is focused on path planning from the perspective of an embedded system using grid maps. For
battery-dependent robots, path length is very relevant because it is directly related to motor consumption
and the autonomy of the system. Nevertheless, a second aspect to be considered when using embedded
systems is the HW requirements. These requirements comprise floating point units or storage capacity.
When computer-based path planning algorithms are directly ported to these embedded systems, their HW
requirements become a limitation. This thesis presents two novel path planning algorithms which take into
account both the search of the shortest path and the optimization of HW resources. These algorithms are
HCTNav and NafisNav.
The HCTNav algorithm was developed using the intuitive approach as trying to reach the goal in a straight
trajectory until an obstacle is found. When an obstacle is found, it must be surrounded until the straight
path to the goal can be continued, reaching this goal or another obstacle. Considering HCTNav as a path
planning algorithm, both possible surrounding trajectories can be explored and then choose the best
solution. Therefore, for each obstacle the algorithm finds, there is a branch in the search of the solution.
Finally, the algorithm includes an optimization procedure which reduces the length of the obtained paths if
it is possible to go between nonconsecutive waypoints in straight line.
The NafisNav algorithm evolves from a depth-first search. For each iteration of the algorithm, the straight
trajectory to the goal position is verified. If this trajectory is not available, the algorithm selects from the
unexplored neighbor cells the closest one to the target. If two neighbors were at the same distance, the
algorithm would branch evaluating both alternatives. This algorithm includes a backtracking procedure
just in case it finds a dead end. Finally, from every possible solution, the algorithm proposes the one that,
after optimization, provides the shortest path.
The new algorithms have been evaluated and compared with the most extended algorithms of the state of
the art: Dijkstra and A*. The two chosen evaluation metrics have been final path length and required
dynamic memory. HCTNav provides an average penalization in the path length of 2.1% and NafisNav has
this penalization increased to 4.5%. However, these algorithms present a decrease of the memory
requirements of a 19% for HCTNav and of a 49% for the NafisNav algorithm La planificación de una ruta es un problema casi tan antiguo como la humanidad. La necesidad de
optimizar esfuerzos para alcanzar un objetivo ha sido una gran preocupación desde la prehistoria. La
tecnología ha permitido abordar la solución de esta problemática con nuevos medios, pero también ha
planteado otros requisitos distintos.
Esta tesis aborda el problema de navegación desde la perspectiva de los sistemas empotrados en entornos
de mapas de rejilla. En todo robot dependiente de batería, la longitud final es un factor relevante porque se
traduce directamente en el consumo de los motores y repercute en la autonomía del sistema. No obstante,
un segundo factor que aparece al utilizar sistemas empotrados es el uso de recursos HW, ya sean unidades
de coma flotante o capacidad de almacenamiento. Cuando se intenta adaptar los algoritmos diseñados para
ser ejecutados en un ordenador nos enfrentamos a una gran demanda de estos recursos. La tesis plantea dos
algoritmos novedosos que tienen en cuenta tanto la búsqueda de un camino lo más corto posible como la
optimización de recursos HW: HCTNav y NafisNav.
El algoritmo HCTNav se desarrolló siguiendo el movimiento intuitivo de quien trata de ir en línea recta
hasta que encuentra un obstáculo y lo rodea hasta que puede continuar en línea recta hasta el destino, o en
caso contrario hasta otro obstáculo. Dado que se trata un algoritmo de planificación, se puede plantear
rodear el obstáculo por ambos lados y elegir cuál es la mejor opción. Por lo tanto, cada obstáculo genera
una bifurcación en la búsqueda de solución. Este algoritmo incluye un proceso de optimización por el que
se reduce el recorrido final si se pueden saltar puntos intermedios viajando en línea recta.
El algoritmo NafisNav plantea una búsqueda en profundidad modificada. En cada iteración se intenta
alcanzar el destino verificando si se puede alcanzar en línea recta. En caso de no poder alcanzarlo, se
avanza al vecino, de entre los contiguos no explorados, aplicando un criterio de mínima distancia al
objetivo. Si hubiera dos candidatos posibles, la búsqueda se bifurca, evaluando ambas opciones. Por
último, se incluye un proceso de retroceso para el caso en el que se llegara a un punto sin salida. De entre
las soluciones posibles se presenta aquella que, tras la optimización, obtiene el mínimo recorrido.
Los nuevos algoritmos han sido evaluados y comparados con los algoritmos más extendidos en el estado
del arte: Dijkstra y A*. Los dos criterios utilizados han sido la longitud final del camino y el espacio de
memoria que se necesita. HCTNav tiene una penalización promedio del 2,1 % en la longitud de la
solución, mientras que NafisNav aplica una penalización promedio del 4,5 %. HCTNav obtiene una
reducción del consumo de memoria del 19 % comparado con la mejor solución entre Dijkstra y A*.
NafisNav mejora estos resultados con una reducción del 49 %
Files in this item
Google Scholar:Osati Eraghi, Nafiseh
This item appears in the following Collection(s)
Related items
Showing items related by title, author, creator and subject.