Professional Documents
Culture Documents
CMARA OMNIDIRECCIONAL
Celso De La Cruz1, Ricardo Carelli2 y Christiano Couto Gava3
1,2
1. INTRODUCCION
Existe una marcada tendencia de aplicaciones en las
cuales el control coordinado de un grupo de robots es
fundamental.
La
motivacin
de
controlar
coordinadamente es que existen tareas imposibles de
ejecutar con solo un robot, y tareas en las cuales
trabajar con varios robots es menos costoso que
trabajar con un solo robot especializado. Por
ejemplo, operaciones de rescate, bsqueda y
exploracin, mapeo, manipulacin cooperativa de
objetos, y otros. Varias de estas aplicaciones
necesitan de un control de formacin para ejecutar
las tareas eficientemente.
Las estrategias de control pueden ser clasificadas
como centralizadas (Kelly, et al., 2004) cuando
existe un monitoreo y control de todos los robots por
un procesador central; o descentralizada (Desai, et
al., 1998) cuando no existe un supervisor, cada robot
tiene su propio controlador y las realimentaciones de
control son solo las posiciones relativas de cada
robot con respecto a sus vecinos.
x u sin + a cos 0
y
0
= 30 2 40
+ 1
u
0
0
0
1
u 1
1
0
0
6
5
0 u 0 0
2
2
uref
0 ref
1
20
0
0
0
x u
C
y
G a e
B
d
y
x
es
el
vector
de
x y 0 u
incertidumbres. El vector de salida es definido por:
x
h = .
y
(2)
cos
0
1
20 sin
sin
1
cos
30 2 40
0 u
1
u sin a cos 10
, (3)
0
2
0
u cos a sin 5
0 u 60
2
2
2
h = + .
(4)
donde:
x
y (1)
+ 0
u
cos a sin u x
=
+
sin a cos y .
Considerando h obtenida de (1), se llega a la
siguiente inecuacin:
1/ a Ch
(5)
3. CONTROL DE FORMACIN
El modelo linealizado por realimentacin de entradasalida del i-simo robot mvil en un sistema multirobot se define as:
hi = i + i .
Luego, el modelo del sistema multi-robot de n robots
mviles es:
=+,
(6)
donde:
T
= ( h1 )
...
(h )
n
1
=
,
( )
...
( )
n T
T
T
= ( 1 ) ... ( n )
.
Los elementos y son considerados como los
estados triviales del sistema.
2 =
z J ( )
(7)
Este mapeo define un difeomorfismo cuya inversa
es:
( )
( )
( )
( )
1 1
11 z1
1 z
1
1
=
=
=
z
,
donde
J
z
.
( )
z1
J z1 z 2
( )
d J ( z1 ) z 2
(8)
) = J ( z ) z
2
+ J ( z1 ) z 2 .
dt
(9)
Substituyendo (6) en (9) la nueva representacin del
sistema multi-robot es obtenida:
=
1
1
1
z 2 = J ( z1 ) J ( z ) z 2 + J ( z1 ) + J ( z1 )
.(10)
( )(
z1 = z1d z1 ;
z 2 = z 2 d z 2 ;
z 2 d = z1d ;
(z2d)T]T es el vector de estados de
zd=[(z1d)T
formacin deseados; K1>0; y K2>0. Luego, el
sistema de lazo cerrado, obtenido substituyendo el
controlador (11) en el modelo del sistema (10), es:
1
J ( z1 ) = K1 z1 + K 2 z 2 + z 2 .
(12)
el cual puede ser expresado de la siguiente forma:
T
z = z z 0 T
,
(13)
donde:
donde
2
1
= J ( z ) z = ( z ) ( z ) = zd z
;
;
0 I 2 n2 n
z =
K1 K2 .
(14)
En (14), I2n2n representa una matriz identidad 2n2n.
Considerando K1 y K2 como matrices diagonales con
elementos positivos diferentes de cero, se concluye
que Az es Hurwitz.
1 1
(15)
donde:
Q = Tz P P z .
(16)
La matriz Q es escogida como Q=I4n4n, donde I4n4n
es un matriz identidad 4n4n. La matriz P es
calculada de (16). Partiendo de que Az es Hurwitz, se
verifica que P=PT>0. Una condicin suficiente para
que la segunda ecuacin de (15) sea definida
negativa es:
z > 2 P 0 T
.
(17)
Si el vector es acotado, el vector de errores de
formacin z ser tambin acotado. Si el vector de
incertidumbres es nulo, luego =0 y z zd con
t .
Comentarios. El controlador propuesto es capaz de
seguir una formacin deseada continuamente
variante. El controlador necesita la informacin
sensorial de las medidas directas del vector de
estados de formacin z o el clculo de estos estados
con la medida del vector de estados trivial [T T ]T .
En el ltimo caso se puede usar (7). A partir de (8),
se concluye que la convergencia zzd, implica
dado
que
[T T ]T [ d T d T ]T = 1 ( zd ) ;
4. CAMARA OMNIDIRECCIONAL
La cmara omnidireccional catadiptrica combina
cmaras convencionales y un espejo para obtener una
visin de 360 (ver Fig. 2). El sensado
omnidireccional es posible con espejos convexos
como: espejos cnicos, esfricos o hiperblicos. En
el presente trabajo se localiza el robot por color en la
imagen omnidireccional y luego se estima el punto
que le corresponde en el espacio asumiendo que el
robot solo se mueve en el plano horizontal. Las
ecuaciones que relacionan puntos en el espacio con
puntos en el plano de la imagen son sencillas; sin
embargo, el mapeo inverso es bastante complejo.
Una tcnica para conseguir este mapeo es usando
tablas. La tcnica que se propone en el presente
trabajo es usar coordenadas polares y aproximar el
mapeo inverso usando funciones polinmicas. La
ventaja de trabajar en coordenadas polares es que el
valor absoluto del ngulo de las coordenadas polares
es el mismo en la imagen omnidireccional y en el
plano de trabajo del robot; solo se diferencian en el
signo. Entonces, solo es necesario relacionar los
radios de los dos sistemas de coordenadas utilizando
una funcin polinmica.
Sea rPI PI y rPT PT las coordenadas polares de
un punto en el plano de la imagen y en el plano de
trabajo respectivamente. El procedimiento para
estimar la funcin que relaciona rPI con rPT se
muestra a continuacin. Se ubica cuatro puntos en el
plano de trabajo con ngulos PT = 0, / 2, , 3 / 2
y un mismo radio rPT . Se miden sus ubicaciones en
el plano de la imagen. Se promedian los cuatro radios
rPI medidos obtenindose el valor rP Im . El par
ordenado (rPIm,rPT) ser una muestra. Se toman varias
muestras distintas con las cuales se estima la funcin
buscada. En el presente trabajo se tomaron 7
muestras. En la Fig. 3 se tienen estas muestras y la
curva que las interpolan. Esta curva est compuesta
por 7 polinomios.
Luego de ubicar la posicin del robot el siguiente
problema a resolver es conocer la orientacin del
robot, para lo cual se utilizar un observador no
lineal de orientacin. Se propone el siguiente
observador no lineal:
(18)
= + L h h / h
e
(19)
hb
hb
hb
yr
y
jr
a
ir
xr
<r> h
x
Fig. 4. Vector de velocidad observada hb y vector de
velocidad real h .
b
( ()
() )
()
(20)
(21)
( )
1
V t , = 2
2 ,
su derivada temporal es:
= L h sin
V t , =
e
b
donde
( )
V ( t , ) es
(24)
( ),
(25)
definida negativa en CT .
= : < CT , entonces el
( )
(26)
donde: uaf ir y uas jr son componentes de la
velocidad ha ; xbr, ybr son coordenadas de hb
expresado en el sistema de coordenadas <r>.
5. EXPERIMENTO
Un experimento es ejecutado para evaluar el control
de formacin de dos robots Pioneer. Uno de los
robots tiene una cmara omnidireccional y una
computadora on-board para monitorear y controlar el
otro robot (ver Fig. 5). En (De La Cruz y Carelli,
2006) se muestra la metodologa para identificar los
parmetros de los robots. En (5), se consideran
Ch=0.2m/s
y
max=1.745rad/s
resultando
a0.1146m. Luego, se escoge la constante
a=0.12m. Los estados de formacin son definidas
como: d12, x1, y1, c (ver Fig. 6) y sus derivadas; los
valores deseados son definidas como: d12d, x1d, y1d y
cd y sus derivadas. El mapeo 1 se define a
continuacin:
d12
1
1
= 1 ( ) =
z =
y1
( x2 x1 ) + ( y2 y1 )
2
x1
y1
f ( x1 x2 , y1 y2 )
. (27)
C
(x1,y1)
d12
2
Fig. 6. Variables de formacin
En (27), xi, yi son los elementos del vector hi; La
funcin f(x,y) permite calcular los ngulos del vector
[x y]T. Este ngulo cae en el rango [,2+). Por
ejemplo f(x,y)=atan2(y,x) cuando =.
El mapeo inverso 1-1 se expresa de la siguiente
forma:
x1
x1
y
y1
1
1
1
=
= 1 ( z ) =
x1 d12 cos ( c )
x2
y2
y1 d12 sin ( c )
(28)
0
0
J ( z1 ) =
cos c
sin c
1 0 d12 sin c
0 1 d12 cos c
.
1 0
0 1
0
0
(29)
K 2 = diag (1.2, 1, 1, 1) , = 0,
donde diag(.) representa una matriz diagonal. Las
velocidades iniciales de los robots son cero. La
formacin deseada es escogida como:
T
T
z1d = [1.2 0.5 + 0.05t 0 ] z 2d = [ 0 0.05 0 0] .
;
En zd, las posiciones y distancias son expresadas en
metros y los ngulos en radianes.
REFERENCIAS
Antonelli, G. and S. Chiaverini (2003), Kinematic
Control of a Platoon of Autonomous Vehicles,
IEEE International Conference on Robotics and
Automation, Taipei, Taiwan, September, pp.
1464-1469.
Astrm, K. J. and B. Wittenmark (1995), Adaptive
control, Addison-Wesley.
Balch, T. and R. C. Arkin (1998), Behavior-based
formation control for multirobot teams, IEEE
Transactions on Robotics and Automation, 14,
no. 6, December, pp. 926-939.
Das, A. K., et al. (2002), A vision-based formation
control framework, IEEE Transactions on
Robotics and Automation, 18, no. 5, October,
pp. 813-825.
De La Cruz, C., R. Carelli (2006), Linealizacin por
realimentacin del modelo dinmico de un robot
mvil y control de seguimiento de trayectoria,
XX Congreso Argentino de Control Automtico AADECA.
Desai, J. P., J. Ostrowski, and V. Kumar (1998),
Controlling formations of multiple mobile
robots, in Proc. IEEE Int. Conf. Robotics and
Automation, Leuven, Belgium, May, pp. 28642869.
Kelly, R., R. Carelli, J. M. Ibarra Zannatha, and C.
Monroy (2004), Control de una pandilla de
robots mviles para el seguimiento de una
constelacin de puntos objetivo, VI Congreso
Mexicano de Robtica, COMRob, Torren,
Coahuila, Mexico, October.