EBS289K - FINAL PROJECT - Topics in Agricultural Robotics and Automation  - Solved

A          tree     and      plant   nursery          has      a          field     block   with     K          rows   of            trees.   Tree    rows   are      aligned            in         a          North-South   direction,        are      20            m         long,    and      are      spaced 3          m         apart   from    each    other.  The     southern            mid-point       of         the       west    row     is         at         20m,    20m.    Trees  are      of            various           ages    (trunk diameters).     Some   trees   may     be        missing           from    the            row     because          they     were   removed         for       sale,     or        due      to         disease            or        other   damage.          You     need    to         program         a          mobile robot  equipped            with     a          GPS,     a          digital  compass,        and      a          2D       laser    scanner          to            traverse          the       field     block   and      count  the       number           of         trees    in         each            row.     You     also     need    to         estimate          the       diameter         of         the       trunk  of            each    tree,    so        that     management  can      decide which  trees   are      ready  for       the            market.                       

            

Tasks:            

1)     Estimate         the       odometry       error   covariance     matrix (2x2),  and      the       GPS     and            compass         error   covariance     matrix (3x3).  You     can      use      the       true            states  to         do        so.       

2)     Implement      an        EKF     filter    for       robot  state    estimation      using   the       odometry            model described       in         class    for       prediction,      and      the       GPS-compass            sensor.            Develop          also     a          filter    for       the       laser.   

3)     Traverse        the       orchard          block   (access            the       bitmap            only     through            your    sensors).        

4)     Detect and      localize           trees;  estimate          their    diameters.                  5) Write          a            file       with     your    output (see     format below).           

6)     Write  a          script  to         produce          bitmaps          from    output file.                  

7)     Write  a          script  to         calculate         error   histograms     of         tree     positions        and diameters       between         a          test      bitmap            (ground          truth   synthetic environment) and      the       output of         task     5          (perceived      environment). Extract            descriptive     statistics         from    histograms     and      report them:  mean, standard         deviation,       RMS,    min,     max,    95th     percentile.      
   
1)     A          Matlab function          robot_odo.p   that     models            a          mobile robot  as        a            bicycle model with     steering          and      speed  first     order  closed-loop    dynamics.            The     function          integrates       the       model for       time     DT       with     integration            interval           dT       (global variables),      and      returns           the       new     state            (vector            [x         y          θ          γ          v])       and      a          noisy   estimate          of            the       odometry,      i.e.,       a          vector [δd+vd δθ+vθ]. 

2)     A          Matlab function          LaserScannerNoisy.p provided        by        the       instructor.      This            function          will      return range  measurements           that     are      noisy;  they            contain           white   gaussian         noise   and      spike-type      noise   (due    to         laser            reflections).    When  a          reading           is         out      of         range, Inf       is            returned.        

3)     A          Matlab function          GPS_CompassNoisy.p            provided        by        the       instructor.            This     function          receives          as        arguments      the       true     pose    of         your            robot  and      returns           a          noisy   pose,   thus     emulating       real     sensors.            Also,    the       GPS     and      compass         provide           fresh   measurements            every  1          second.           However,        the       control            system            operates            at         a          rate     of         DT=100          ms.      So,       readings         are      available            once    every  10        control            intervals.        

4)     A          Matlab function          that     generates       a          2D       grid/bitmap   with     trees            (ground          truth). Your    robot  is         not      allowed           to         access this      grid            directly,          but      ONLY  through          its        lidar    sensor.            The     grid     is            provided        for       testing,            and      you      are      encouraged    to         test      your            code    with     your    own     test      bitmaps.          

            

OUTPUT         
After    the       robot  finishes           its        travel, the       output should be        a          file       that looks   like      this:     Row    number          followed         by        index   of         each    tree     detected, tree     coordinates    (x,        y)         and      diameter         (d).      E.g.:     

1          

1,         x1,       y1,       d1        

2,         x2,       y2,       d2        

3,         x3,       y3,       d3        N, xN,       yN,       dN        

            

2          

1,         x1,       y1,       d1        

2,         x2,       y2,       d2        

3,         x3,       y3,       d3        

M,        xM,       yM,       dM               

                        

K          

1,         x1,       y1,       d1        

2,         x2,       y2,       d2        

3,         x3,       y3,       d3        

M,        xM,       yM,       dM               

ROBOT           
You      have    an        Ackermann    steered           vehicle            with     wheelbase      L=3     m, width=2          m,        and      maximum       steering          angle   55o.     The     steering          lag       is 0.1       s          and      the       velocity           lag       is         0.2       s.          The     robot  is         positioned initially            at         0,0       facing  90o      North. You     can      set       your    own     robot  speed.  

The      2D       lidar    has      20        m         maximum       range, 180o    scanning         angle   and 0.125o angular           resolution.      You     must    use      the       true     pose    ONLY  for       vehicle motion            and      sensor simulation.     All        your    control,           sensing           and      processing algorithms      must    rely     ONLY  on        noisy   data     from    the       odometry,      lidar    and      GPS-compass         sensors.