Autonomous Wheelchair Navigation
Authors
Pedersen, Søren Lynge ; Holm, Jeppe Møller
Term
10. term
Publication year
2008
Pages
120
Abstract
Dette projekt beskriver udviklingen af en autonom kørestol til mennesker med Amyotrofisk Lateral Sklerose (ALS). Fordi personer med ALS har meget begrænset muskelkontrol, kan kørestolen styres med øjnene, så brugeren kun behøver at vælge, hvor de vil hen. Kørestolen bruger en laserafstandsscanner til at måle afstanden til vægge og møbler, og odometri fra hjulene til at registrere bevægelse. Disse data kombineres i et partikelfilter (Augmented Adaptive Monte Carlo Localization) for at bestemme, hvor kørestolen befinder sig i hjemmet. For at planlægge ruten beregner systemet hjemmets konfigurationsrum (de områder, hvor kørestolen kan være) og anvender et generaliseret Voronoi-diagram til at vælge vejpunkter med størst afstand til vægge. Dijkstra's algoritme finder derefter den korteste vej fra start til mål. For at undgå forhindringer, der ikke er kortlagt, bruges frastødende hastighedsvektorfelter til at styre uden om dem. Selve kørslen styres af en optimal, modelbaseret regulator kaldet LQR (lineær-kvadratisk regulator). Projektet er et proof-of-concept, der viser, at en autonom kørestol kan transportere en person med ALS eller andre handicap med kun input om destinationen fra brugeren. Den behøver ikke at få at vide, hvor den er, eller hvordan den kommer frem, og den kræver ikke kunstige landemærker til navigation. Ved kun at bruge ombord-sensorer og et eksisterende kort over hjemmet udfører systemet de nødvendige opgaver.
This project describes the development of an autonomous wheelchair for people with Amyotrophic Lateral Sclerosis (ALS). Because people with ALS have severely limited muscle control, the wheelchair is controlled by the user’s eyes, so the only input needed is where to go. A laser range scanner measures distances to walls and furniture, and odometry from the wheels tracks movement. These are combined in a particle filter (Augmented Adaptive Monte Carlo Localization) to estimate the wheelchair’s position in the home. To plan a route, the system computes the home’s configuration space (areas the wheelchair can occupy) and uses a Generalized Voronoi Diagram to choose waypoints that keep maximum distance from walls. Dijkstra’s algorithm then finds the shortest path from start to goal. To avoid obstacles that are not in the map, repulsive velocity vector fields steer the wheelchair around them. Driving is managed by an optimal, model-based controller called an LQR (Linear Quadratic Regulator). This proof-of-concept shows that an autonomous wheelchair can transport a person with ALS or other disabilities with only destination input from the user. It does not need to be told where it is or how to reach the goal, and it requires no artificial landmarks for navigation. Using only onboard sensors and an existing map of the home, it performs the required tasks.
[This abstract was generated with the help of AI]
Keywords
Documents