SYSTÈME DE NUMÉRISATION ET DE NAVIGATION 3D D'INTÉRIEUR POUR UN VÉHICULE AUTOGUIDÉ
DOI :
https://doi.org/10.59277/RRST-EE.2023.68.2.19Mots-clés :
Numérisation 3D, Véhicule guidé automatisé, Détection et télémétrie de la lumière (LiDAR), Cartographie intérieureRésumé
L'article présente le développement d'un système de balayage laser 3D qui peut produire une carte de navigation intérieure pour un véhicule guidé automatisé. Le système utilise uniquement un détecteur de lumière 1D et télémétrie (LiDAR) comme appareil de mesure et deux moteurs pas à pas pour le positionnement. Plusieurs tests sont effectués pour déterminer le meilleur compromis entre le temps nécessaire au scan et la résolution requise pour produire une carte de navigation intérieure, et la relation entre ces variables est présentée.
Références
(1) Y. Song, L.T. Hsu, Tightly coupled integrated navigation system via factor graph for UAV indoor localization, Aerosp. Sci. Technol., 108 (2021).
(2) M. Edl, M. Mizerák, J. Trojan, 3D laser scanners: history and applications, Acta Simulatio. 4, 4, pp. 1–5 (2018).
(3) T. Ran, L. Yuan, J. B. Zhang, Scene perception based visual navigation of mobile robot in indoor environment, ISA Trans., xxxx (2020).
(4) X. Yang, R. Wang, H. Wang, Y. Yang, A novel method for measuring pose of hydraulic supports relative to inspection robot using LiDAR, Meas. J. Int. Meas. Confed., 154 (2020).
(5) J. Li, X. Zhang, J. Li, Y. Liu, J. Wang, Building and optimization of 3D semantic map based on Lidar and camera fusion, Neurocomputing, 409, pp. 394–407 (2020).
(6) D. Rato, V. Santos, LIDAR based detection of road boundaries using the density of accumulated point clouds and their gradients, Rob. Auton. Syst., 138 (2021).
(7) M. Petrov, A. Talapov, T. Robertson, A. Lebedev, A. Zhilyaev, L. Polonskiy, Optical 3D digitizers: bringing life to the virtual world, IEEE Comput. Graph. Appl., 18, 3, pp. 28–37 (1998).
(8) F.B.P. Malavazi, R. Guyonneau, J.B. Fasquel, S. Lagrange, F. Mercier, LiDAR-only based navigation algorithm for an autonomous agricultural robot, Comput. Electron. Agric., 154, February, pp. 71–79 (2018).
(9) A. Schaefer, D. Büscher, J. Vertens, L. Luft, W. Burgard, Long-term vehicle localization in urban environments based on pole landmarks extracted from 3-D lidar scans, Rob. Auton. Syst., 136, (2021).
(10) E. Aldao, H. González-Jorge, J.A. Pérez, Metrological comparison of LiDAR and photogrammetric systems for deformation monitoring of aerospace parts, Measurement, (2021).
(11) A. Yilmaz, H. Temeltas, Self-adaptive Monte Carlo method for indoor localization of smart AGVs using LIDAR data, Rob. Auton. Syst., 122 (2019).
(12) P. Oğuz-Ekim, TDOA based localization and its application to the initialization of LiDAR based autonomous robots, Rob. Auton. Syst., 131 (2020).
(13) T. Dehelean, C. Nafornita, A. Isar, Enhanced metric for multiple extended object tracker, Rev. Roum. des Sci. Tech. Electrotech. Energ., 65, 3–4, pp. 235–243 (2020).
(14) R.H.E. Amar, L. Benchikh, H. Dermeche, O. Bachir, Z. Ahmed-Foitih, Efficient trajectory reconstruction for robot programming by demonstration, Rev. Roum. des Sci. Tech. Electrotech. Energ., 65, 1–2, pp. 117–121 (2020).
(15) R. Athavale, D.H. Ram, B.B. Nair, Low cost solution for 3D mapping of environment using 1D LIDAR for autonomous navigation. In IOP Conference Series: Materials Science and Engineering, 561, 1, pp. 1-7 (2019).
