अरुको मार्कर स्थानीयकरण

आखिरी पोस्ट में, हमने बात की कि बिंदु A से बिंदु B तक बिना किसी रोक-टोक के कैसे प्राप्त किया जाए। लेकिन किसी चीज को गोल करने के लिए, आपको यह समझने की जरूरत है कि हम कहां हैं, और जहां गतिशील बाधाएं हैं (हमारे प्रतिद्वंद्वी और न केवल)।

एक व्यक्ति के पास प्रकृति और व्यक्तिगत अनुभव द्वारा निर्धारित आंखें, कान और सॉफ्टवेयर हैं ताकि वह आसानी से अंतरिक्ष में स्थानांतरित और नेविगेट कर सके। रोबोट के लिए स्थानीयकरण प्रणाली लगभग आंखें और कान हैं। यह आवश्यक है ताकि रोबोट अंतरिक्ष में नेविगेट कर सके और, पर्यावरण को समायोजित कर, उसमें कदम रख सके।

आज हम इस बारे में बात करेंगे कि हमने यूरोबोट क्षेत्र पर रोबोट की स्थिति का निर्धारण करने की समस्या को कैसे हल किया, यह सब कैसे करें, अपने लिए लॉन्च करें और कॉन्फ़िगर करें।

स्थानीयकरण प्रणाली के लक्ष्य की स्थिति

यूरोबॉट ओपन का एक सिद्धांत स्वायत्तता है। खेल मैदान के पीछे जो कुछ भी है उससे स्वायत्तता। सभी गणना, निर्णय लेने और स्थानीयकरण रोबोट पर, या क्षेत्र पर विशेष साइटों पर या तो किया जाना चाहिए।

फ़ील्ड का आकार 2x3 मीटर है, और फ़ील्ड से फ़ील्ड तक उस पर तत्वों के आकार और स्थिति में त्रुटि आमतौर पर 3-5 मिमी के भीतर होती है।

नीचे दी गई तस्वीर में चिह्नित क्षेत्रों के साथ यूरोबॉट 2019 क्षेत्र का एक आरेख है, जिस पर हम रोबोट के अलावा कुछ और डाल सकते हैं।

• 6 - प्रयोग क्षेत्र (अतिरिक्त कार्यों में से एक)
• 10 - प्रकाशस्तंभ क्षेत्र
• 11 - केंद्रीय ट्रैकिंग डिवाइस (इसके बाद सीसीसी के रूप में संदर्भित) स्थापित करने के लिए एक विशेष टॉवर। 1 मीटर की ऊंचाई पर मैदान के ऊपर स्थित है
• इसके अलावा रोबोट खुद हम बीकन स्थापित कर सकते हैं।

इन सभी क्षेत्रों और स्वयं रोबोटों के आयामों के लिए, वजन और आकार पर सख्त प्रतिबंध हैं, इस वजह से एक बड़े उत्पादक सुपर मॉडल को बनाना असंभव है जिसमें सब कुछ फिट बैठता है। और लॉन्च की तैयारी के लिए 3 मिनट की सीमा भी है। इस समय के दौरान, टीम के एक या दो लोगों को रोबोट और उनसे जुड़ी हर चीज़ को बाहर निकालना, लॉन्च करना और लॉन्च करने के लिए तैयार करना होगा। जाहिर है, आपको सेट करने और ट्यून करने के लिए जितना कम कबाड़ होगा, उतना ही कम होगा कि आप गलती करें या लड़ाई शुरू होने से पहले जुर्माना लगा दें।


और दूसरा दूसरा ऐसा पूर्ण बॉक्स

हम विकल्पों का विश्लेषण करते हैं

अपनी क्षमताओं के बारे में जागरूकता और कम से कम कुछ मिलीमीटर की स्थिति सटीकता प्राप्त करने की इच्छा के साथ, आइए देखें कि इस समस्या को हल करने के लिए हम सामान्य रूप से क्या उपयोग कर सकते हैं:

• पहिया ओडोमेट्री सीधे ड्राइव या अतिरिक्त मापने वाले पहियों पर स्थित एन्कोडर्स का उपयोग करके आपको रोबोट द्वारा यात्रा की गई दूरी को पढ़ने और शुरुआती बिंदु के सापेक्ष इसकी स्थिति निर्धारित करने की अनुमति देता है। कई यूरोबॉट टीमें इसे अपने प्राथमिक स्थानीयकरण विधि के रूप में उपयोग करती हैं। यह रोबोट के लिए आंदोलन की जानकारी के सबसे तेज़ स्रोतों में से एक है। हालांकि, व्यवहार में, विशेष रूप से ओमनी-पहियों पर ड्राइविंग करते समय (क्लासिक पहियों से एक छोटा संपर्क क्षेत्र, रोलर्स और बड़ी विनिर्माण त्रुटियों का खेल), ओडोमेट्री संचयी त्रुटि की समस्या से ग्रस्त है, जिसे किसी तरह ठीक करने की आवश्यकता है। आप ज्ञात निर्देशांक के साथ सतह के साथ संरेखित कर सकते हैं, या आप एक अतिरिक्त प्रणाली के साथ जटिल कर सकते हैं। इसके अलावा, यदि आप ड्राइव पहियों पर एनकोडर का उपयोग करते हैं, तो तेज युद्धाभ्यास के दौरान और रोबोट की टक्कर में व्हील स्लिपेज की समस्या है। मापने वाले पहियों से इस समस्या से छुटकारा मिल सकता है, लेकिन उन्हें एक छोटे रोबोट में रखना मुश्किल है।
  
  
  स्वतंत्र निलंबन के साथ और चुंबकीय एनकोडर के साथ स्व-पहिया मापने वाला ओमनी व्हील, जो हमने 2018 में उपयोग किया था
  
• लिडार के महत्वपूर्ण फायदे हैं: हमें बाधाओं को लगभग एक परिपत्र दृश्य और दूरी मिलती है। Minuses में से, यह उच्च कीमत को ध्यान देने योग्य है, कचरे से छोटी दूर की वस्तुओं को भेद करने की कोशिश में कठिनाई, और एक अपेक्षाकृत जटिल स्थानीयकरण एल्गोरिथ्म। सस्ते लिडार (जैसे कि rplidar) में काफी कम ताज़ा दर और कोणीय रिज़ॉल्यूशन होता है, और अन्य लिडार, रेंजफाइंडर आदि से प्रकाश के अधीन भी होते हैं। रोबोट में क्लासिक SLAM एल्गोरिदम का उपयोग करने के लिए साइड लेवल पर लिडार खोजना मुश्किल होता है, लेकिन प्रदान की गई पर। स्थानीयकरण प्रणालियों के लिए उन्नयन नियमों में बंधन के लिए कुछ स्थिर वस्तुएं हैं। हालांकि, स्कोलटेक टीम कई वर्षों से सफलतापूर्वक स्केटिंग कर रही है और हुकोयू ust-10lx का उपयोग कर रही है और पिछले साल फ्रांस में यूरोबॉट प्रतियोगिता के यूरोपीय फाइनल में दूसरा स्थान हासिल किया था।
• हमने जड़त्वीय प्रणालियों पर भी विचार किया, लेकिन हमारे मामले में वे अच्छी तरह से फिट नहीं हुए। एक्सेलेरोमीटर शोर है, जाइरोस्कोप तैर रहा है, आप कम्पास घर के अंदर का उपयोग करने के बारे में भूल सकते हैं। यहां तक ​​कि एक कलमन फ़िल्टर का उपयोग वांछित सटीकता प्राप्त नहीं करता है। यह पता चला है कि IMU का उपयोग केवल बहुत ही कम समय में सुधार के लिए प्रभावी रूप से किया जा सकता है। Pixhawk2 के साथ हम जो अधिकतम उपयोगी जानकारी प्राप्त करने में सक्षम थे, वह एक तीखे मोड़ (टक्कर से, उदाहरण के लिए) के दौरान कोण है।
• जीपीएस घर के अंदर काम नहीं करता है, और आरटीके के बिना सटीकता मीटर है।
• अल्ट्रासोनिक स्थानीयकरण । कार्यान्वयन में से एक यहाँ पाया जा सकता है: m.habr.com/en/post/451408 । काश, हमारे कार्यों की सटीकता बहुत अधिक नहीं होती (+ -2cm), क्रॉसस्टॉक दृढ़ता से प्रभावित करता है, या, यदि आप इसके खिलाफ सुरक्षा के साथ सेंसर का उपयोग करते हैं, तो एक कम मतदान आवृत्ति प्राप्त होती है। रूस में एक टीम अलग-अलग सफलता के साथ इस समाधान का उपयोग करती है, और जर्मन तुरग टीम प्रयोगशाला के अंदर विकसित एक समान तकनीक पर काफी सफलतापूर्वक सवारी करती है।
• विज़ुअल ओडोमेट्री इस तथ्य के कारण विरोधियों की स्थिति के बारे में जानकारी नहीं देता है कि मैदान पर बहुत अधिक अंक नहीं हैं, जिसके लिए मज़बूती से चिपकना संभव होगा।
• \ टॉफ स्टीरियो कैमरों में एक संकीर्ण कोण होता है, जो केंद्रीय ट्रैकिंग डिवाइस पर स्थित होने पर या तो रोबोट को स्थापित करने पर एक परिपत्र या कम से कम स्वीकार्य दृश्य प्राप्त करने के लिए फ़ील्ड को कवर करने की अनुमति नहीं देता है।
• हमारे द्वारा चुने गए फिदूसरी मार्कर और जिन्हें हम अधिक विस्तार से जांचेंगे।

फ़िदयूरी मार्कर

मार्कर नेविगेशन लंबे समय से आसपास है। विशुद्ध रूप से सैद्धांतिक रूप से, तथाकथित मार्कर कोई भी वस्तु हो सकती है। लेकिन उपयोग करते समय कई समस्याएं हैं:

• कैमरा रिज़ॉल्यूशन के कारण प्रतिबंध;
• जानकारी के मुख्य स्रोत के रूप में रंग का उपयोग करते समय पता लगाने की अविश्वसनीयता;
• मार्कर के उन्मुखीकरण का निर्धारण करने की आवश्यकता;
• कम विपरीत निशान केवल अच्छी रोशनी में ही काम करते हैं;
• उपकरणों की उच्च प्रसंस्करण शक्ति की आवश्यकता होती है (आने वाले फ्रेम की वास्तविक समय प्रसंस्करण)।

उपरोक्त समस्याओं को दरकिनार करने के लिए, आपको आमतौर पर मान्यता के लिए कुछ सरल और अस्पष्ट का उपयोग करना होगा, उदाहरण के लिए, एक रंगीन सर्कल या एक वर्ग (और मैं एक पीला बतख चाहूंगा)।


विभिन्न प्रकार के मार्कर

वास्तव में, एक मार्कर की स्थिति का निर्धारण करने के अलावा, एक बार में कई वस्तुओं का पता लगाने के लिए, अक्सर इसकी विशिष्टता को निर्धारित करने की आवश्यकता होती है। ऐसा करने के लिए, आप रंग या आकार बदल सकते हैं, लेकिन फिर हम जल्दी से पहचान की विश्वसनीयता में कमी का सामना करेंगे।
यह समस्या काफी सामान्य है और कई मार्कर मानक हैं। उनमें से सबसे प्रसिद्ध क्यूआर कोड है, लेकिन यह शायद ही कभी अतिरेक और उच्च संकल्प की आवश्यकता के कारण स्थानीयकरण की समस्याओं के लिए उपयोग किया जाता है। एक नियम के रूप में, सभी मार्कर दो-रंग (सबसे अक्सर बी / डब्ल्यू), सरल रूप (सबसे अक्सर एक वर्ग) के होते हैं और किसी तरह पहचानकर्ता को खुद में समाहित कर लेते हैं। स्थानीयकरण के लिए सबसे प्रसिद्ध मार्कर Aruco, April Tag, ARToolKit हैं।

उनके बारे में अधिक जानने में दिलचस्पी रखने वाला कोई भी व्यक्ति एक दिलचस्प लेख है जो उनकी पहचान की विश्वसनीयता की तुलना करता है।


हमारे मामले में, हमारे पास मार्करों का उपयोग करने के कई सकारात्मक पहलू हैं:

• एक अच्छा देखने के कोण और अंकन के साथ एक स्थिर कैमरा स्थापित करने की संभावना के साथ, इसके लिए हार्ड-टू-ढूंढ उपकरण की आवश्यकता नहीं है और संभवतः इसे लागू करना बहुत मुश्किल नहीं है;
• दूरस्थ कैमरा उन सभी वस्तुओं की स्थिति का मूल्यांकन कर सकता है जिन पर हम मार्कर लगा सकते हैं;
• गणनाओं को रोबोट के डिवाइस पर ऑन-बोर्ड नहीं किया जाता है, लेकिन एक अलग कंप्यूटर में स्थानांतरित किया जाता है (लेकिन डेटा ट्रांसफर में विश्वसनीयता और देरी के साथ एक समस्या है);
• दृष्टि से जुड़ी किसी अन्य समस्या को हल करने की क्षमता।

उपरोक्त प्रणालियों का विश्लेषण करने के बाद, हम मार्करों का पता लगाने पर बस गए। इसने हमें न केवल रोबोटों पर अपने ओडोरायड्स को मुक्त करने की अनुमति दी, बल्कि उन्हें एक पक्षी की नजर से मैदान पर पूरी स्थिति को देखने की अनुमति भी दी।

यह बॉक्स से बाहर कैसे काम करता है

मार्कर का पता लगाने की "विश्वसनीयता" एक सापेक्ष शब्द है। विभिन्न कार्यों के लिए सटीकता और स्थिरता के विभिन्न स्तरों की आवश्यकता होती है। इन मापदंडों को शामिल करना वीडियो सेंसर, लेंस, प्रकाश की स्थिति आदि पर निर्भर करता है।


हमारे मामले में, 2x3 मीटर के एक क्षेत्र के आकार और इसके ऊपर सिर्फ एक मीटर के कैमरे के साथ, पूरे प्लेइंग स्पेस की दृश्यता सुनिश्चित करने के लिए कम से कम 120-140 डिग्री के क्षेत्र के साथ अल्ट्रा-वाइड-एंगल ऑप्टिक्स का उपयोग करना आवश्यक है, जो दूर में छोटे मार्करों की पहचान (और इसकी सटीकता) को प्रभावित करता है। खेल के मैदान के कोने, और मनमाने ढंग से प्रकाश व्यवस्था की स्थिति के तहत यह कार्य और भी कठिन बना देता है।
जैसा कि अभ्यास से पता चला है, यहां तक ​​कि सामान्य, पूरी तरह से प्राकृतिक, प्रबुद्ध परिस्थितियों में, मार्कर स्थिति की गलत परिभाषाएं हो सकती हैं।



तो निम्नलिखित चित्र मार्कर का पता लगाने के परिणामों के साथ दो लगातार फ्रेम दिखाते हैं: Z अक्ष (नीला) की दिशा 180 डिग्री से बदल जाती है।




www.youtube.com/watch?v=xzG2jQfxLlY

प्रतिस्पर्धी अवस्था में लाना

एल्गोरिथ्म बदलें

मैदान पर रोबोट के स्थान को सटीक रूप से निर्धारित करने के लिए, आपको कैमरे की कोणीय स्थिति, समन्वय प्रणाली के सामान्य परिवर्तन और क्षेत्र की स्थिति के सापेक्ष कैमरे की स्थिति जानने की आवश्यकता है। इस रूपांतरण को करने के लिए, हमने अपना स्वयं का एल्गोरिथ्म विकसित किया। चूंकि एक व्यक्ति केंद्रीय नियंत्रण केंद्र को मैन्युअल रूप से लटकाता है, साथ ही क्षेत्र एक-दूसरे से थोड़ा अलग होते हैं, तो हमेशा एक ही कैमरा स्थिति प्राप्त करना संभव नहीं होता है। क्षेत्र के सापेक्ष कैमरे के कोणीय विस्थापन का रोबोट की स्थिति का पता लगाने पर बहुत नकारात्मक प्रभाव पड़ता है। मौलिक समाधान कई स्थिर मार्करों को निर्धारित करना है जो हम अंशांकन के लिए मैच से पहले निर्धारित कर सकते हैं।

ऑपेंसेव में अरूको लाइब्रेरी कैमरे के सापेक्ष 6dof मार्कर की स्थिति निर्धारित करने की क्षमता प्रदान करता है। सबसे पहले हमने इसका उपयोग करने की कोशिश की, लेकिन यह बहुत अस्थिर और गलत निकला। हमारे मामले में, जब कैमरे की स्थिति ज्ञात होती है, तो यह निश्चित है, और रोबोट (और संबद्ध मार्कर) एक विमान पर चलते हैं, जो कैमरे के अनुलग्नक बिंदु से नहीं गुजरता है, यह 3DF स्थिति (z-const, x) का पता लगाने के कार्य के लिए खुद को सीमित करने के लिए तर्कसंगत है। एक अक्ष z) एक दृश्य कोण पर एक विमान पर एक बिंदु के त्रिभुज के माध्यम से।

यह उम्मीद की जाती है कि समस्या के हल में आयाम में कमी और त्रिकोण के आधार (मार्कर के आकार से मार्कर के कैमरे से दूरी) के आधार में वृद्धि से हल होने की अनिश्चितता और नवीनता का स्तर कम हो जाता है।
ऐसा करने के लिए, मानक फ़ंक्शन के बजाय

cv::aruco::estimatePoseSingleMarkers(markerCorners, 0.05, cameraMatrix, distCoeffs, rvecs, tvecs); 

मार्करों के पाए गए कोनों के आधार पर, मार्कर की 6dof स्थिति को निर्धारित करता है, हमने अपना स्थिति अनुमानक लिखा है, जो निम्न सिद्धांतों के अनुसार काम कर रहा है:

• 3 डी कैमरा स्थिति अग्रिम में जानी जाती है;
• मार्कर ऊंचाई अग्रिम में जाना जाता है;
• पता लगाने के परिणामस्वरूप, 4 मार्कर कोनों के पिक्सल (v, u) ज्ञात हैं;
• कैमरा अंशांकन के परिणामस्वरूप, एक 4x4 कैमरा मैट्रिक्स परिभाषित किया गया है;
• 'कैमरा मैट्रिक्स', कैमरे की स्थिति और अभिविन्यास, मार्कर के पिक्सेल कोणों की स्थिति को जानकर, आप z समतल पर 3 डी अंतरिक्ष में कोणों की स्थिति का प्रक्षेपण प्राप्त कर सकते हैं, जिस पर मार्कर के कोने स्थित हैं (मार्कर की ऊँचाई इसकी संख्या से निर्धारित होती है);
• सभी 4 मार्कर कोनों के लिए पिछला चरण बनाना और प्राप्त आंकड़ों का औसत, कैमरा समन्वय प्रणाली में मार्कर के कोने के 3 डी निर्देशांक प्राप्त करना संभव है;
• खेल के मैदान के एसके कैमरे से एसके कैमरा में परिवर्तन को लागू करना, एसके क्षेत्र में मार्कर के निर्देशांक प्राप्त होते हैं।

प्रकाश और प्रदर्शन के मुद्दों को हल करना

मार्करों का पता लगाने की स्थिरता और गति दृढ़ता से पर्यावरणीय प्रकाश की स्थिति और पृष्ठभूमि संरचना पर निर्भर करती है, फ्रेम में जितनी अधिक भिन्न वस्तुएं होती हैं, प्रसंस्करण में उतना ही अधिक समय लगता है। चूंकि यूरोबॉट प्रकाश और पृष्ठभूमि के नियमों को किसी भी तरह से विनियमित नहीं किया जाता है, वे समय-समय पर बहुत बदल सकते हैं, पृष्ठभूमि में अन्य क्षेत्र, लोग हो सकते हैं। विशेष रूप से, दुश्मन के रोबोट से अतिरिक्त एक्सपोज़र, कैमरे के क्षेत्र में गिरने वाले कैमरा फ्लैश या स्पॉटलाइट्स की उम्मीद की जा सकती है।

मार्करों का पता लगाने की स्थिरता पर पर्यावरण रोशनी के प्रभाव को कम करने के लिए, एक विशेष "डिज़ाइन" विकसित किया गया था जिसमें उल्टे आर्टो मार्करों का उपयोग किया गया था। अंधेरे भाग को एक रेट्रोफ्लेक्टिव फिल्म से बदल दिया जाता है, और एक सक्रिय एलईडी बैकलाइट सीधे कैमरे पर स्थापित किया जाता है। छवि प्रसंस्करण नकारात्मक में किया जाता है, जबकि पृष्ठभूमि के विपरीत अपने स्वयं के मार्करों के विपरीत की तुलना में बहुत कम है।

मार्कर के कंट्रास्ट को बढ़ाने से आप फ्रेम पर रुचि के क्षेत्रों को प्रभावी ढंग से चुन सकते हैं और केवल उनमें मार्करों की खोज कर सकते हैं, न कि पूरे फ़्रेम में, जो उत्पादकता में बहुत सुधार करता है।


एक मानक मार्कर और एक चिंतनशील सतह के साथ एक मार्कर के बीच विपरीत अंतर की तुलना

हम लोहा चुनते हैं

चूंकि प्रकाश की स्थिति को परिभाषित नहीं किया गया है, और रोबोट की गति काफी बड़ी हो सकती है, शुरुआत से ही हम एक वैश्विक शटर के साथ एक कैमरा की तलाश कर रहे थे, और एक रोलिंग शटर के साथ नहीं। अंतर यह है कि वैश्विक एक ही समय में पिक्सेल की चमक के बारे में जानकारी एकत्र करता है, और लाइन द्वारा लाइन को रोलिंग करता है, क्योंकि इससे चलती वस्तुओं के ज्यामितीय आकार में विकृतियां हो सकती हैं।
सबसे सस्ती कैमरा oCam-1mgn है, जिसका उपयोग हमने 2 साल के लिए किया था। हालांकि, यह काला और सफेद है और इसमें केवल 1Mpx का रिज़ॉल्यूशन है, जो स्वीकार्य रिज़ॉल्यूशन की निचली सीमा पर स्थित है (छवि में पिक्सेल की संख्या, मार्कर के "1" पिक्सेल ")।
प्रारंभ में, डिटेक्टर को एक ही बोर्ड पर रोबोट के रूप में माना जाता था - ओड्रोइड xu4, और काम की गति लगभग 20 एफपीएस थी, हालांकि, केंद्रीय नियंत्रण केंद्र पर अतिरिक्त कार्यक्षमता को लटकाए जाने की इच्छा और यह समझना कि एक बेहतर कैमरे की आवश्यकता थी, जिससे पीसी को अधिक जोरदार इंटेल के साथ बदल दिया गया। Nuc, और कैमरा ... कैमरा हम अभी भी नए सीज़न के लिए चुन रहे हैं।

हम प्रोजेक्ट शुरू करते हैं

यह आगे माना जाता है कि आपके पास पहले से ही ROS काइनेटिक या मेलोडिक कॉन्फ़िगर है।

OpenCV 3, Eigen3 और प्रोजेक्ट https://bitbucket.org/eurobot1718/ocam_usb_cam (Ocam कैमरा के लिए) को डाउनलोड और इंस्टॉल करने के लिए पहली चीज़ है, या किसी अन्य प्रोजेक्ट का उपयोग करें जो विषयों में डेटा के प्रकाशन के लिए संरचना के समान है।

हम arud डिटेक्टर प्रोजेक्ट के साथ रिपॉजिटरी को क्लोन करते हैं: https://gitlab.com/eurobot2019/aruco_detector और इसके लिए gui https://github.com/alexpostnikov/aruco-gui
परियोजनाओं को स्थापित करने के बाद, आपको कैमरे को कैलिब्रेट करने और फैलाव मैट्रिक्स और कैमरा विरूपण मैट्रिक्स प्राप्त करने की आवश्यकता है, और फिर सब कुछ yaml फ़ाइल "camera_params.yml" में लपेटें। एक सरल उदाहरण एक शतरंज की बिसात है। सी ++ में कार्यान्वयन से लिंक करें , जहां आपको बस बोर्ड और कैमरे के मापदंडों को इकट्ठा करने और निर्दिष्ट करने की आवश्यकता है, साथ ही आउटपुट फ़ाइल का नाम भी।

मुख्य सेटिंग्स aruco_detector_params.yml फ़ाइल में हैं:

• len_of_cube_markers और width_marker मीटर में मार्करों की लंबाई और चौड़ाई;
• markers_height - मार्कर और इसकी ऊंचाई की तुलना;
• मार्कर - एक सरणी जो वर्णन करती है कि क्या एक विशेष मार्कर एक विशिष्ट रोबोट से संबंधित है। यह घड़ी की दिशा में मार्करों को इंगित करता है। और विरोधियों के मामले में, चूंकि उनकी दिशा हमारे लिए महत्वपूर्ण नहीं है, इसलिए कॉन्फ़िगरेशन में मार्करों का क्रम भी महत्वपूर्ण नहीं है। आपको बस मार्कर कोड निर्दिष्ट करने की आवश्यकता है। हमारे पास शीर्ष कवर पर मार्कर भी हैं, उनकी संख्या अलग से हाइलाइट की गई है;
• static_markers_ids - मार्कर जो अंशांकन प्रक्रिया के दौरान खोजे जाते हैं;
• markers_position - रोबोट के केंद्र के सापेक्ष प्रत्येक मार्कर के ऑफसेट और रोटेशन के साथ एक शब्दकोश;
• Bright_threshold को नहीं छुआ जा सकता है - इसका उपयोग प्रकाश के प्रारंभिक स्वचालित अंशांकन में किया जाता है;
• कैमरा_पोजिशन_ऑयल और एक समान पैरामीटर फेल होने की स्थिति में डिफ़ॉल्ट सेटिंग्स के रूप में कार्य करता है।

कैमरा कोऑर्डिनेट सिस्टम से फील्ड कोऑर्डिनेट सिस्टम में ट्रांसफ़ॉर्मेशन मैट्रिक्स ट्रांसफ़ॉर्म_फ्रेम_कैम / टैम्पो फ़ाइल में होता है

सभी सेटिंग्स के बाद, आपको अंततः इसे चलाने की आवश्यकता है। मापदंडों के साथ फ़ाइल में पथ, डिफ़ॉल्ट पक्ष और वीडियो डिवाइस के लिए पथ को aruco_detector_debug.launch में सेट किया गया है, जिसे हम लॉन्च करेंगे। लेकिन एक पूर्ण लॉन्च के लिए बैश स्क्रिप्ट aruco.bash का उपयोग करना बेहतर है, जो डिटेक्टर के अलावा, गुई (127.0.0.1►000) को लॉन्च करता है। यहां हम पक्ष चुन सकते हैं, अंशांकन शुरू कर सकते हैं और सिस्टम को नियंत्रित कर सकते हैं। दूसरी विंडो में, ज़ोन ऑफ़ इंटरेस्ट और पाए गए मार्कर दिखाई दे रहे हैं।



अब विषयों में: "/ enemy_robot1 / aruco", "/ enemy_robot2 / aruco", "/ big_robot / aruco", "/ small_robot / aruco" पाया गया रोबोटों की स्थिति प्रकाशित की जाएगी।

हुर्रे! हम रोबोट के निर्देशांक प्राप्त करने में सक्षम थे। यह ठीक है, जैसा कि आप देख सकते हैं, वे गलत हैं। ऐसा इसलिए है क्योंकि उपयोग करने से पहले क्षेत्र के सापेक्ष कैमरे की स्थिति को जांचना आवश्यक है। इसके लिए यह आवश्यक है

• क्यूब्स को क्षेत्र के कोनों में सेट करें, जबकि यह महत्वपूर्ण है कि उन्हें कॉन्फ़िगर में निर्दिष्ट पक्षों द्वारा बदल दिया जाए
• कैमरे के झुकाव को समायोजित करें ताकि सभी आवश्यक स्थान फ्रेम में गिर जाए
• विश्वसनीय मार्कर का पता लगाने तक बैकलाइट चमक को समायोजित करें
• in gui, वांछित पक्ष का चयन करें और "जांचना" पर क्लिक करें
• फिर "खोज स्थिर क्यूब्स" से स्थिति को "खोज क्यूब्स" में बदलना चाहिए

हम मार्कर और TsUS बनाते हैं

नियमों के अनुसार, हम अपने रोबोट को अपने इच्छानुसार रंग दे सकते हैं, और इसके अलावा, हमारे और अन्य लोगों के रोबोट पर एक विशेष स्थान का उपयोग कर सकते हैं, जिस पर आप आकार में 10x10x8 सेमी तक कुछ डाल सकते हैं। एक विशेष स्थान रोबोट के कवर पर स्थित है, केंद्रीय नियंत्रण केंद्र के लिए एक निश्चित ऊंचाई और बेहतर दृश्यता है, सिवाय इसके कि जब रोबोट कैमरे के नीचे हो।


रोबोट पर प्रकाश स्तंभों की ऊंचाई और आयाम

इसलिए, हमारे रोबोट के लिए मुख्य मार्करों के रूप में, हम 10x10x108cm समानांतर चतुर्भुज का उपयोग करते हैं, जो कि आर्को के 4 किनारों पर चिपके हुए हैं, साथ ही कैमरे के नीचे एक जटिल क्षेत्र में स्थानीयकरण के लिए हमारे रोबोट के ऊपरी तरफ अतिरिक्त मार्कर हैं।

चूंकि हम दुश्मन के ढक्कन पर कुछ भी नहीं चिपका सकते हैं, हमने दृश्यता सीमा का विस्तार करने के लिए एक छंटे हुए पिरामिड के रूप में मार्कर बनाने का फैसला किया। और जैसा कि आप देख सकते हैं - मार्कर बहुत बेहतर दिखाई दे रहा है।



हम एक 3 डी प्रिंटर पर क्यूब / पिरामिड के लिए आधार प्रिंट करते हैं ताकि यह पर्याप्त मजबूत हो और एक सुविधाजनक और विश्वसनीय माउंट हो।



क्यूब, एक पिरामिड और एक संभोग माउंट को मुद्रित करने के लिए मॉडल यहां स्थित हैं।

यह क्यूब एक परावर्तक के साथ सरेस से जोड़ा हुआ है (हम सफेद AVERY का उपयोग करते हैं
DENNISON V6700B 50 मिमी चौड़ा, हालांकि यह अधिक महंगा है, यह सस्ते चीनी की तुलना में कई गुना बेहतर काम करता है), और मार्कर स्वयं इसके ऊपर से चिपके हुए हैं। ऐसा करने का सबसे आसान तरीका यह है कि प्लॉटर पर मार्करों को काट दिया जाए, हालांकि आप उन्हें एक-दो घंटे में कागज या फिल्म से काट सकते हैं (सेट में 16 मार्कर होते हैं)।

यहाँ हमारी पिछले वर्ष की किट है


हमारे मार्करों के विभिन्न "पीढ़ियों"

उन्हें अंशांकन के लिए स्थिर मार्कर के रूप में भी इस्तेमाल किया जा सकता है। ऐसा करने के लिए, उन्हें क्षेत्र के दूर कोनों में रखें और क्लिक करें - जांचें।

एक केंद्रीय ट्रैकिंग डिवाइस के रूप में

क्या आवश्यक है:

सिंगल बोर्ड कंप्यूटर। ये चित्र Intel NUC के स्थान के लिए बनाए गए हैं, लेकिन आप इस मामले में रखने के बारे में सोच सकते हैं, उदाहरण के लिए, odroid xu4 या रास्पबेरी pi4।

OCam । दरअसल कैमरा, जिसके लिए सब कुछ हो रहा है। हमने विस्तृत देखने के कोण के लिए मानक लेंस को 2.5 मिमी में बदल दिया
डिस्प्ले (वेवशेयर 7 इंच एचडीएमआई एलसीडी (बी)) । इसकी मदद से, अंशांकन और कई अन्य ऑपरेशन किए जाते हैं।

एलईडी पट्टी। मार्करों की परावर्तक सतह को रोशन करने के लिए उपयोग किया जाता है। उपलब्ध उज्ज्वल का उपयोग करना बेहतर है।

बैटरी 16.8v LiPo। हम 4s5200mAh का उपयोग करते हैं। ये रोबोट की तरह ही बैटरी हैं, क्योंकि यह सुविधाजनक है और लंबे समय तक चलती है।

स्टेप-डाउन dc-dc कन्वर्टर। एलईडी पट्टी को बिजली देने के लिए। एनयूसी और राउटर को सीधे बैटरी द्वारा संचालित किया जाता है, क्योंकि सभी पावर हार्नेस पहले से ही उन पर हैं।

छपे हुए भाग। यह, विशेष रूप से, एक कैमरा माउंट, केस को असेंबल करने के लिए एक डिस्प्ले और कॉर्नर: https://yadi.sk/d/swUJUwxTnTVYFw

आवास का विवरण। हमारे मामले में, यह एक 2 मिमी कार्बन शीट था। लेकिन यह सबसे अच्छा विकल्प नहीं है, कार्बन प्रवाहकीय के रूप में, प्रक्रिया करना मुश्किल है और प्रकाश के रूप में नहीं है, उदाहरण के लिए, plexiglass - शायद सबसे सरल विकल्प। हालांकि बहुत मुश्किल है। ऊपर दिए गए लिंक का पता लगाएं।

राउटर (Zyxel keenetic extra)। आकार और वजन में फिट होने के लिए हमें इसे मामले से हटाना पड़ा। लेकिन सामान्य मामले में, हम दृढ़ता से यह अनुशंसा नहीं करते हैं।
बहुत सारी छोटी चीजें। शिकंजा एम 3 * 8 ~ 40 पीसी, मुद्रित सर्किट बोर्डों के लिए रैक 3x10 ~ 12 पीसी, तार, स्क्रूड्राइवर, वागो, आदि।

सभा

पहले आपको मुद्रित कोनों को तैयार करने की आवश्यकता है, उनमें पागल को दबाकर। यह हो सकता है कि कुछ प्रेस-फिट होंगे और उन्हें थोड़ा सरेस से जोड़ा हुआ या फ्यूज्ड नट्स का उपयोग करने की आवश्यकता होगी
अगला, आपको इस हिस्से को आधार में स्थापित करने की आवश्यकता है। यह अपनी जगह पर केंद्रीय नियंत्रण केंद्र की स्पष्ट स्थिति प्रदान करता है।



अब हम कैमरा माउंट को इकट्ठा करते हैं, वहां ओमेक्स डालें, एलईडी स्ट्रिप से बैकलाइट को जितना संभव हो उतना लेंस के साथ गोंद करें और मॉड्यूल को आधार तक जकड़ें।





उसके बाद, आप सभी साइड की दीवारों को स्थापित कर सकते हैं, उन्हें पहले से वर्णित कोनों पर ठीक कर सकते हैं। उनके लिए छेद अग्रिम में काउंटर किए जाने के लिए बेहतर है।



हमने सिंगल-बोर्ड कंप्यूटर और एक राउटर रखा। हमारे मामले में, ये NUC और Zyxel कीनेटिक अतिरिक्त हैं।






और हम इकट्ठे ट्रैकिंग प्रणाली प्राप्त करते हैं। यह केवल कैमरे के झुकाव को समायोजित करने के लिए बनी हुई है।


2018 में स्थानीयकरण डिबगिंग

परिणाम क्या है?

इसलिए हमने उन सभी रहस्यों को बताया जो हमें अपने सिस्टम को अपने हाथों से दोहराने की अनुमति देते हैं। इसका उपयोग करना, आप जल्दी और बिना किसी परिवर्तन के यूरोबोट क्षेत्र पर रोबोट को स्थानीय बनाने के लिए अपना सिस्टम बना सकते हैं। और न्यूनतम परिवर्तन के साथ कुछ के लिए एक काफी सार्वभौमिक और विश्वसनीय ट्रैकिंग सिस्टम बनाते हैं। हालांकि, यह विचार करने योग्य है कि जब आर्को 8x8, 10x8cm के मार्कर आकार और 1Mpx में एक कैमरा का उपयोग करते हैं, तो यह विशेष रूप से पता लगाने के दायरे को बढ़ाने के लिए संभव नहीं है, हालांकि, अगर हमारे पास आकार और प्रदर्शन पर सख्त सीमाएं हैं, तो सामान्य तौर पर हम सिर्फ और अधिक दिलचस्प उपकरण का उपयोग करते हैं।

इस वर्ष, नियमों ने आर्को 4x4 के उपयोग का उल्लेख किया, साथ ही साथ क्षेत्र के प्रत्येक पक्ष के लिए उनकी गैर-प्रतिच्छेदन सीमाएं भी। निकट भविष्य में, हम इसे अपने समाधान में एकीकृत करने की योजना बनाते हैं ताकि भविष्य में हम मार्कर संख्याओं के प्रतिच्छेदन के लिए डरें नहीं। एक और होना चाहिए, लेकिन जो अभी तक नहीं किया गया है वह क्षेत्र पर मैन्युअल अंशांकन है।
अगले लेख में, हम रोबोट के निचले स्तर के बारे में बात करेंगे, कि कैसे रोबोट के किनेमेटिक्स पर विचार किया जाता है, हम फ्रीटोस के साथ काम करते समय सर्वर, इंजन और शंकु को कैसे नियंत्रित करते हैं।

मैं धन्यवाद कहना चाहता हूं:

एलेक्सी पोस्टनिकोव (जिनकी ओर से यह शायद यह सब प्रकाशित करने लायक था) - सामान्य तौर पर, इस लेख में सभी कोड और लेख लिखने में सीधे सहायता।
Egor Alexandrov - सभी चित्र और मॉडल के लिए, लेख लिखने में सहायता और 34 अल्पविराम।
तमारा सिनेलनिकोवा - लेख लिखने में मदद के लिए।

और बाकी टीम!

प्रतियोगिता शुरू होने से पहले 4 महीने से भी कम समय बचा है, लेकिन Sberbank Eurobot Team अभी भी नए प्रतिभागियों के लिए खुली है। हमारा टेलीग्राम: https://t.me/SetUpSber

पिछले लेख:

रिवॉल्वर, वॉशर और एक स्वायत्त रोबोट के बीच क्या आम है
खुद का नेविगेशन स्टैक। ROS से बेहतर है?