Ros: An Autonomous Robot Operating System For Simultaneous Localization And Mapping Using A 2D Lidar Sensor

2021 ◽  
Author(s):  
Alberto José Chinchilla Santos ◽  
José Manuel Murillo Castellanos ◽  
Alicia María Reyes Duke
Keyword(s):  
Operating System ◽  
Simultaneous Localization And Mapping ◽  
Autonomous Robot ◽  
Robot Operating System ◽  
Localization And Mapping

scholarly journals Implementation and Reconfiguration of Robot Operating System on Human Follower Transporter Robot

2015 ◽  
Vol 9 (2) ◽  
pp. 59
Author(s):  
Addythia Saphala ◽  
Prianggada Indra Tanaya
Keyword(s):  
Operating System ◽  
Mobile Robot ◽  
Navigation System ◽  
Robot Navigation ◽  
Simultaneous Localization And Mapping ◽  
Kinect Sensor ◽  
Operation System ◽  
Robot Operating System ◽  
Localization And Mapping

Robotic Operation System (ROS) is an im- portant platform to develop robot applications. One area of applications is for development of a Human Follower Transporter Robot (HFTR), which  can  be  considered  as a custom mobile robot utilizing differential driver steering method and equipped with Kinect sensor. This study discusses the development of the robot navigation system by implementing Simultaneous Localization and Mapping (SLAM).

scholarly journals Mapping and Navigation for Indoor Robots under ROS: An Experimental Analysis

2019 ◽  
Author(s):  
Bruno M. F. da Silva ◽  
Rodrigo S. Xavier ◽  
Luiz M. G. Gonçalves
Keyword(s):  
Operating System ◽  
Experimental Analysis ◽  
Autonomous Navigation ◽  
Robot Navigation ◽  
Simultaneous Localization And Mapping ◽  
Indoor Environments ◽  
Robot Operating System ◽  
Localization And Mapping ◽  
Application Requirements

Since it was proposed, the Robot Operating System (ROS) has fostered solutions for various problems in robotics in the form of ROS packages. One of these problems is Simultaneous Localization and Mapping (SLAM), a problem solved by computing the robot pose and a map of its environment of operation at the same time. The increasingly availability of robot kits ready to be programmed and also of RGB-D sensors often pose the question of which SLAM package should be used given the application requirements. When the SLAM subsystem must deliver estimates for robot navigation, as is the case of applications involving autonomous navigation, this question is even more relevant. This work introduces an experimental analysis of GMapping and RTAB-Map, two ROS compatible SLAM packages, regarding their SLAM accuracy, quality of produced maps and use of produced maps in navigation tasks. Our analysis aims ground robots equipped with RGB-D sensors for indoor environments and is supported by experiments conducted on datasets from simulation, benchmarks and from our own robot.

A Study of Autonomous Navigation of a Robot Model based on SLAM, ROS, and Kinect

2018 ◽  
Vol 7 (3.33) ◽  
pp. 28
Author(s):  
Asilbek Ganiev ◽  
Kang Hee Lee
Keyword(s):  
Operating System ◽  
Mobile Robot ◽  
Mobile Robots ◽  
Autonomous Navigation ◽  
Simultaneous Localization And Mapping ◽  
Target Point ◽  
Robot Operating System ◽  
Model Based ◽  
Localization And Mapping ◽  
Starting Point

In this paper, we used a robot operating system (ROS) that is designed to work with mobile robots. ROS provides us with simultaneous localization and mapping of the environment, and here it is used to autonomously navigate a mobile robot simulator between specified points. Also, when the mobile robot automatically navigates between the starting point and the target point, it bypasses obstacles; and if necessary, sets a new path of the route to reach the goal point.  

An architecture for multi-robot localization and mapping in the Gazebo/Robot Operating System simulation environment

SIMULATION ◽  
2017 ◽  
Vol 93 (9) ◽  
pp. 771-780 ◽  
Author(s):  
Erkan Uslu ◽  
Furkan Çakmak ◽  
Nihal Altuntaş ◽  
Salih Marangoz ◽  
Mehmet Fatih Amasyalı ◽  
...  
Keyword(s):  
Operating System ◽  
Three Dimensional ◽  
Simulation Environment ◽  
Urban Search And Rescue ◽  
Mapping Algorithms ◽  
Robot Operating System ◽  
Mapping Algorithm ◽  
Localization And Mapping ◽  
Dimensional Simulation ◽  
Multi Robot

Robots are an important part of urban search and rescue tasks. World wide attention has been given to developing capable physical platforms that would be beneficial for rescue teams. It is evident that use of multi-robots increases the effectiveness of these systems. The Robot Operating System (ROS) is becoming a standard platform for the robotics research community for both physical robots and simulation environments. Gazebo, with connectivity to the ROS, is a three-dimensional simulation environment that is also becoming a standard. Several simultaneous localization and mapping algorithms are implemented in the ROS; however, there is no multi-robot mapping implementation. In this work, two multi-robot mapping algorithm implementations are presented, namely multi-robot gMapping and multi-robot Hector Mapping. The multi-robot implementations are tested in the Gazebo simulation environment. Also, in order to achieve a more realistic simulation, every incremental robot movement is modeled with rotational and translational noise.

scholarly journals ROS based Autonomous Robot with Open CV

2019 ◽  
Vol 9 (1S) ◽  
pp. 249-251
Keyword(s):  
Operating System ◽  
Mobile Robot ◽  
Autonomous Navigation ◽  
General Purpose ◽  
Autonomous Robot ◽  
Robot Operating System ◽  
Image Tracking

In this project, we have designed and developed an autonomous robot that is powered by Robot Operating System (ROS). The capabilities of the robot include autonomous navigation, image tracking and mapping. OpenCV has been implemented in the on-board microprocessor to process the images that are captured by the general purpose webcams on the robot. A microcontroller has also been used to control the motors. The ultimate aim of this project is to develop a mobile robot capable of making its own decisions based on the images received.

scholarly journals A Review: Simultaneous Localization and Mapping in Application to Autonomous Robot

2018 ◽  
Author(s):  
Olusanya Agunbiade ◽  
Tranos Zuva
Keyword(s):  
Mobile Robot ◽  
Autonomous Navigation ◽  
Simultaneous Localization And Mapping ◽  
Research Direction ◽  
Autonomous Robot ◽  
Unknown Environment ◽  
Computational Problem ◽  
Localization And Mapping ◽  
Open Issues

The important characteristic that could assist in autonomous navigation is the ability of a mobile robot to concurrently construct a map for an unknown environment and localize itself within the same environment. This computational problem is known as Simultaneous Localization and Mapping (SLAM). In literature, researchers have studied this approach extensively and have proposed a lot of improvement towards it. More so, we are experiencing a steady transition of this technology to industries. However, there are still setbacks limiting the full acceptance of this technology even though the research had been conducted over the last 30 years. Thus, to determine the problems facing SLAM, this paper conducted a review on various foundation and recent SLAM algorithms. Challenges and open issues alongside the research direction for this area were discussed. However, towards addressing the problem discussed, a novel SLAM technique will be proposed.

Online appearance-based place recognition and mapping algorithms for autonomous robot navigation

2021 ◽  
Author(s):  
Κωνσταντίνος Τσιντώτας
Keyword(s):  
Image Processing ◽  
Robot Navigation ◽  
Simultaneous Localization And Mapping ◽  
Autonomous Robot ◽  
Place Recognition ◽  
Mapping Algorithms ◽  
Loop Closure ◽  
Loop Closure Detection ◽  
Localization And Mapping ◽  
Autonomous Robot Navigation

Τα αυτόνομα ρομποτικά συστήματα αποτελούν ένα από τα τμήματα που βρίσκονται στην αιχμή της τεχνολογίας και της έρευνας. Τα σύγχρονα ρομποτικά συστήματα που δημιουργούνται δύναται να έχουν την ικανότητα να μπορούν να προσδιορίσουν την θέση τους μέσα στο περιβάλλον το οποίο περιπλανιούνται. Η επίτευξη του συγκεκριμένου στόχου επιτυγχάνεται μέσω της κατασκευής ενός χάρτη την στιγμή που πλοηγείται, μέσω ενός μηχανισμού που είναι ευρέως γνωστός ως ταυτόχρονος προσδιορισμός θέσης και τοποθεσίας (Simultaneous Localization and Mapping –SLAM). Ο χάρτης δημιουργείται μέσω των μετρήσεων που δέχεται το σύστημα από τους επιμέρους αισθητήρες που είναι τοποθετημένοι επάνω στο ρομποτικό σύστημα. Η αύξηση της υπολογιστικής ισχύς τα τελευταία χρόνια και η ευρέως διαδεδομένη χρήση των καμερών οδήγησε στα αυτόνομα συστήματα να επιλέγεται ως κύρια πηγή απόκτησης δεδομένων η χρήση καμερών. Καθώς όμως το ρομπότ διασχίζει την τροχιά του μέσα σε ένα άγνωστο περιβάλλον είναι έντονος ο κίνδυνος δημιουργίας ενός χάρτη με εσφαλμένα στοιχεία στην σχεδιασμένη τροχιά, με κύρια αίτια που μπορεί να σχετίζονται στην κακή εκτίμηση μετρήσεων των αισθητήριων ή σε ενδεχόμενη δυσλειτουργία των ενσωματωμένων οργάνων του συστήματος. Το πρόβλημα που αναφέρθηκε αποτελεί κίνδυνο για την περάτωση της αποστολής του ρομποτικού συστήματος, το οποίο όμως μπορεί να διορθωθεί με επαναπροσδιορισμό της τροχιάς του εφόσον είναι εφικτή η αναγνώριση της περιοχής που διασχίζει μέσω των οπτικών αισθητηρίων που διαθέτει. Τα συστήματα τα οποία βασίζονται αποκλειστικά στις κάμερες ως μέσα αναγνώρισης περιοχής είναι γνωστά ως εμφάνισης βασιζόμενα συστήματα (appearance based systems) και οι τεχνικές που προσπαθούν να λύσουν το πρόβλημα είναι γνωστές ως ανίχνευση κλειστών βρόγχων (loop closure detection). Η παρούσα διδακτορική διατριβή εστιάζει στην δημιουργία ενός αντίστοιχου συστήματος ικανού να αναγνωρίσει μια επαναλαμβανόμενα επισκεπτόμενη περιοχή μέσω των εισερχόμενων εικόνων που δέχεται. Η επίτευξη του συστήματος στηρίζεται σε τρείς σημαντικές μονάδες. Στην αρχή έρχεται η μονάδα επεξεργασίας εικόνας (image processing) με την οποία είναι εφικτή η ερμηνεία των εισερχόμενων εικόνων. Μέσω τεχνικών περιγραφής εικόνας είναι δυνατή η λήψη σημείων ενδιαφέροντος ικανά να περιγράψουν την σκηνή που αντιμετωπίζει το ρομπότ. Κάθε εικόνα ενδέχεται να περιέχει εκατοντάδες τοπικά σημεία ενδιαφέροντος με αποτέλεσμα να μπορεί να περιγραφεί ως ένα σύνολο από επιμέρους χαρακτηριστικά. Ο χάρτης (map) αποτελεί την μονάδα που είναι υπεύθυνη για την αναπαράσταση του κόσμου που γνωρίζει το ρομπότ με βάση τα χαρακτηριστικά που έχουν ληφθεί από τις σκηνές που έχει επισκεφθεί. Τέλος, έρχεται η μονάδα πεποίθησης πιθανής περιοχής (belief generator), η οποία συνδυάζει τα εισερχόμενα δεδομένα με τα δεδομένα του χάρτη ώστε να είναι σε θέση να λάβει την απόφαση για το αν το σύστημα βρίσκεται ή όχι σε οικεία περιοχή με σκοπό να επαναπροσδιορίσει την τροχιά του.

Sign in / Sign up

Export Citation Format

Share Document