1

โครงรางวทยานพนธ (THESIS PROPOSAL)

ชอเรอง (ภาษาไทย) การวางแผนการจดวางปลายนวส าหรบการจบวตถทไมรจก ชอเรอง (ภาษาองกฤษ) Fingertip Placement Planning for Unknown Object Grasping เสนอโดย นายณชนนท วงษวไล รหสนสต 5470185721 หลกสตร วศวกรรมศาสตรมหาบณฑต ภาควชา วศวกรรมคอมพวเตอร คณะ วศวกรรมศาสตร จฬาลงกรณมหาวทยาลย สถานทตดตอ ภาควชาคอมพวเตอร วศวกรรมศาสตร จฬาลงกรณมหาวทยาลย โทรศพท 08-1363-1249 อเมล Natchanon.W@Student.chula.ac.th อาจารยทปรกษา อ.ดร.นทท นภานนท ค าส าคญ (ภาษาไทย) การจดวางปลายนว, การจบ, วตถทไมรจก ค าส าคญ (ภาษาองกฤษ) Fingertip Placement, Grasping, Unknown Object

2

การวางแผนการจดวางปลายนวส าหรบการจบวตถทไมรจก (Fingertip Placement Planning for Unknown Object Grasping)

นายณชนนท วงษวไล 19 กนยายน 2555

1 ทมาและความส าคญของปญหา

การใชงานหนยนตทงในดานอตสาหกรรม งานบรการ และการใชงานในบาน จ าเปนทตองมความสามารถ หลายๆอยางทจะชวยใหสามารถท างานไดบรรลวตถประสงค หนงในความสามารถทส าคญคอ ความสามารถในการหยบจบสงของ เมอศกษารายละเอยดเกยวกบการจบ ในแงของการใชงานจรง สภาพแวดลอมของการท างาน มกจะเปนสภาพแวดลอมทไมรจก กลาวคอ หนยนตไมรจกต าแหนง รปราง และคณสมบตของวตถทจะจบ ถอเปนปญหาทส าคญทรจกกนในชอ “ปญหาการจบวตถทไมรจก” ซงการพฒนาใหหนยนตสามารถกระท าการจบวตถทไมรจกได ยงคงเปนปญหาททาทาย และมหลากหลายงานวจยทพยายามพฒนางานในสวนนใหดยงขน

ในปญหาการจบวตถของหนยนต ไดมการศกษาและพฒนาในแงมมทหลากหลาย เรมตงแตการออกแบบแขนและมอหนยนตทเหมาะสมกบการจบ การวางแผนการเคลอนทของมอหนยนตเพอเขาไปจบวตถโดยสามารถหลบหลกสงกดขวางได การค านวณทาทางการจบทสามารถจบวตถไดอยางมเสถยรภาพ และองคความรในอนๆ ทเสรมความสามารถของการจบใหดและใชงานไดงายขน ซงการค านวณหาทาทางการจบวตถทเหมาะสม เปนหนงในแนวทางทส าคญ ทจ าเปนตองพจารณาในการจบวตถของหนยนต โดยจะอาศยขอมลจากอปกรณรบรทหลากหลาย อาทเชน กลอง (Camera), อปกรณวดระยะทางดวยเลเซอร (Laser range finder) และอปกรณวดแรง (Force and contact sensor) เปนตน เพอน าขอมลเหลานนมาใช ระบต าแหนง สรางแบบจ าลอง หรอหาคณสมบตตางๆ ของวตถ แลวจงวเคราะหทาทางและจดจบบนพนผวของวตถทเหมาะสม โดยจะค านงถงความสมดลของแรงทกระท าตอวตถ เพอใหสามารถจบวตถไดโดยวตถไมหลดออกจากมอหนยนต ซงมหลากหลายงานวจยทไดพฒนางานในสวนน และสามารถพสจนไดวาทาทางการจบทหามาไดนนจะสามารถจบใหวตถอยในมอไดอยางสมดล แตผลการจบวตถทแสดงใหเหนจรง ยงคงมผลการจบวตถทลมเหลวเปนสวนมาก

สาเหตทสงผลใหการจบวตถในงานวจยตางๆ ลมเหลว เกดจากหนยนตไมสามารถน าปลายนวไปวางลงบนจดจบทตองการได เนองจากสภาพแวดลอมในโลกจรงนน จะมความไมแนนอน (Uncertainty) ทสงผลใหเกดความผดพลาดทง การวดคาขอมลจากอปกรณรบร การควบคมหนยนต รวมไปถงการประมวลผลตางๆ ตวอยางเชน ภาพทไดจากกลองมจดสรบกวนเกดขนแบบสมท าใหการค านวณแบบจ าลองวตถผดไปจากความจรง และการเคลอนทของหนยนตมระยะเกนจากค าสงทสงจรงท าใหการระบต าแหนง

3

ของปลายนวผดพลาด เปนตน ซงผลจากความผดพลาดเหลาน สงผลใหการค านวณหาจดจบบนวตถ ไมสามารถท าไดอยางถกตอง และการน านวไปวางบนจดจบเหลานน ไมสามารถน าไปวางใหตรงจดได โดยอาจกลาวไดวา “แมสามารถค านวณหาทาทางและจดจบของวตถไดดเพยงใด หากไมสามารถวางนวลงบนต าแหนงทหามาไดนน ผลการจบวตถกยงคงมโอกาสทจะลมเหลวสง” ซงหลายงานวจยจะไมพจารณาความผดพลาดทเกดขน เนองจากการจดการกบความผดพลาดเหลาน ตองอาศยการค านวณทยากและซบซอน อกทงความผดพลาดเหลาน เปนสงทไมสามารถคาดเดาได วาจะเกดขนแบบใด ณ ขณะใด จงเปนปญหาทยากตอการแกไขอยางยง

ดวยเหตผลดงกลาว งานวจยนจงมงเนนเพอพฒนาและวางแผนวธการน าปลายนว ไปวางยงจดจบทก าหนดบนวตถอยางแมนย า รวมไปถงการจดการกบความไมแนนอนทเกดขน ทงความไมแนนอนในการสรางแบบจ าลองของวตถ ซงสงผลโดยตรงตอการหาจดจบทเหมาะสม และความไมแนนอนในการระบต าแหนงทจะสงผลตอความแมนย าในการจบวตถ เพอเพมประสทธภาพในการจบวตถทไมรจกใหดยงขน

2 งานวจยทเกยวของ

งานวจยการจบวตถนน จะสามารถจบวตถไดนนจะตองค านวณหา 2 สงคอ จดทจะน านวไปจบบนวตถ และทศทางการจบวตถ ซงเมอพจารณาปญหาการจบวตถทไมรจกแลว วตถทไมรรปราง จะสามารถหาจดจบและทศทางการจบไดนน จ าเปนตองสรางแบบจ าลองของวตถขนมา หรอวเคราะหหาขอมลทสามารถอธบายลกษณะของวตถได ซงมหลายงานวจยไดน าเสนอวธการในการน าเสนอแบบจ าลองของวตถ ทแตกตางกนออกไป อาทเชน ในสองมต [1, 2, 3, 4], ในสามมต [5, 6, 7] และในสองมตครง [8, 9] เปนตน และยงมงานวจย [10, 11] ทเสนอวธการหาจดจบโดยใชเพยง features จากภาพมาวเคราะหโดยไมตองสรางแบบจ าลองของวตถ

อปกรณรบร เปนสงจ าเปนส าหรบ งานวจยในเรองการจบวตถทไมรจกอยางมาก โดยทไดรบความนยมมากกคอ อปกรณรบรภาพหรอกลอง เนองจากเปนอปกรณทใชงานงาย ราคาถก ใหขอมลปรมาณมาก และความเรวในการสงขอมลสง แตกลองจะใหขอมลภาพทเปนสองมตเทานน ท าใหในหลายงานวจยจะมลกษณะของการใชงานกลองทแตกตางกนออกไปเพอใหไดขอมลจากภาพทมากขน เชน ในงานวจย [12] ไดน ากลองสเตอรโอ (stereo camera) มาใชงานเพอหาความลก ขอบวตถ และพนผวของวตถในสงแวดลอมทซบซอน เพอการวเคราะหหาจดจบทด และงานในป ค.ศ. 2012 [13] ไดใช Active vision ในการเปลยนมมมองเพอคนหาวตถบนโตะ และใชภาพจากการเปลยนมมมองหลายมมมองของกลองนมาใชหาความลก และแยกภาพสวนของวตถออกจากฉากหลง เปนตน

การตดกลองทมอของหนยนต (Eye-in-hand camera) เปนอกหนงลกษณะทมการน ามาใชในงานวจยการจบวตถทไมรจก โดยจะน าประโยชนของ Eye-in-hand camera คอสามารถปรบเปลยนมมมองของกลอง ไปสงเกตรอบๆ วตถได มาใชในการพฒนางานวจย เชนในงาน [14, 15] เปนงานวจยสวนหนงทชวย

4

แกปญหาการจบวตถทไมรจก โดยการพยายามสรางแบบจ าลองของวตถ ดวยการเคลอนทกลองไปมารอบวตถ ซงผลความถกตองของแบบจ าลองวตถ กจะขนอยกบเวลาทใชในการประมวลผล ท าใหถาน าไปใชรวมกบการจบวตถจรง จะท าใหเสยเวลามากในการจบครงหนงๆ และงานในป ค.ศ. 2011 [2] ไดน าเสนอวธการจบวตถทไมรจก มขอดคอ งาย เรว และทนทานตอความผดพลาด โดยในงานนจะใชขอมลภาพขอบของวตถทเปนสองมตจาก Eye-in-hand camera น ามาหาเสนโคงทสามารถลอมรอบภาพวตถทได และเสนอวาจดทเปน concave บนเสนโคงนนนาจะเปนจดจบทด จากนนกท าการเลอนกลองไปมมตางๆ เพอหาภาพทใหคาความโคงมากทสด นนคอมมมองทจะสามารถหาจดจบทดไดนนเอง แตในการจบวตถจรงกยงไมสามารถจบวตถไดตรงตามทหาไวได และไมรบรองผลของการจบทเกดขนในการจบจรงอกดวย

โดยงานวจยทไดกลาวมานนจะถอวาขอมลทไดจากอปกรณรบรนนเปนขอมลทสมบรณ ไมมความผดพลาด และไมมการจดการกบความไมแนนอนทเกดขน ซงจะสงผลใหมโอกาสเกดความลมเหลวในการจบวตถสง ในหลายปทผานมาจงไดมแนวคด การจดการภายใตความไมแนนอน (Manipulation Under Uncertainty) [16] ทเปนแนวทางการวจยของงานทางดาน Manipulation ทอยบนพนฐานของความไมแนนอนทเกดขนในสภาพแวดลอม และพยายามจดการหรอลดปรมาณความผดพลาดทเกดขน เพอเพมความถกตองและแมนย าในการท างานของหนยนต ซงเปนแนวทางทมความส าคญอยางยง ในการพฒนางานวจยการจบวตถทไมรจก ภายใตสภาพแวดลอมไมอาจคาดเดาได โดยในปจจบนมการพฒนาภายใตสภาพแวดลอมทหลากหลาย และมลกษณะการใชงานทแตกตางกนออกไป เชน การประกอบอปกรณในโรงงาน [17], การหยบจบอปกรณในครว [18], การท าความสะอาดพนโตะ [19] และการยกและวางวตถ [20, 21] เปนตน

มหลายแนวทางทจะจดการกบสงแวดลอมทไมแนนอน ซงบางวธจะขนอยกบขอจ ากดทางแบบจ าลองของวตถ เชน บรเวณสมผสอสระ (Independent contact region) [22] ทจะค านวณพนททจะวางนวมอ แทนการใชจด ซงจะชวยใหสามารถมความผดพลาดในการวางนวไดเลกนอย แตอยางไรกตามวธนจ าเปนตองรแบบจ าลองของวตถมากอน เปนตน ในบางวธจะใชการควบคมหนยนตเพอจดการกบความไมแนนอนทเกดขน อาทเชน Visual Servoing [2, 13] จะใช error ทหาไดจากภาพ มาควบคมการเคลอนทของหนยนต เพอลด error ใหลเขาสคาศนย แตวธการนจะไมรบรองผลวาจะสามารถท าใหลเขาได

การใชอปกรณรบรเปนหลก (Sensor based) เปนอกหนงแนวทาง ทจะน าขอมลสภาพแวดลอมทวดไดจากอปกรณรบร มาวางแผนการท างานของหนยนต ใหเหมาะสมกบสถานการณ ณ ขณะนนๆ ตวอยางเชน Teichmann และ Mishra [23] ไดน าเสนอวธการจดวาง gripper ใหตรงต าแหนงโดยใชอปกรณวดล าแสง (Light beam sensor) ซงมงานวจยอนๆ ไดใชแนวคดในลกษณะเดยวกน แตมการเปลยนอปกรณรบรเปน Infra-red (IR) [24], อปกรณวดการสมผส (Tactile sensor) [25, 26] และอปกรณวดแรงและการสมผส (Force and tactile feedback) [27] ซงวธเหลานจ าเปนตองน าอปกรณรบร เขาไปใกลกบวตถหรอสมผสวตถกอนจงจะสามารถวดคาขอมลได ซงอาจท าใหมอหนยนตชนกบวตถเกดความเสยหายได อกทงไมสามารถระบไดวา บรเวณทนวเขาไปสมผสเปนสวนใดของวตถ จงไมสามารถเลอกก าหนดจดจบทตองการจาก

5

แบบจ าลองวตถได ซงแตกตางจากอปกรณรบรภาพหรอกลอง ถอวาเปนอปกรณรบรหนงทมการใชงานในงานวจยทางดานการจบวตถเปนจ านวนมาก [1, 2, 5, 10] ทใหขอมลเปนจ านวนมาก และสามารถบงบอกคณลกษณะของวตถไดดกวาอปกรณรบรชนดอนๆ แตปญหาส าหรบกลองตวเดยวคอ ขอมลทไดจากกลองนนเปนภาพในสองมต ซงเกดจากการ projection สงแวดลอมในสามมตลงมาบนภาพ จงท าใหขอมลระยะทางจากกลองถงวตถสญหายไป อกทงอปกรณรบรชนดนมความไวตอสภาพแสง เกดสงรบกวนไดงาย จงยากแกการจดการกบความไมแนนอนหรอสงรบกวนตางๆ เหลาน

จากงานวจยทไดกลาวมาขางตน จะเหนไดวาอปกรณรบรภาพหรอกลอง มการน ามาใชในงานวจยดานการจบวตถทไมรจกกนอยางแพรหลาย อกทงในปจจบนอปกรณชนดน มขนาดเลก น าหนกเบา และใหความละเอยดของภาพทสง สามารถน าไปตดตงยงสวนตางๆ ของหนยนตไดงาย แตการใชกลองในงานวจยดานนยงคงมปญหาการจดการกบความไมแนนอนหรอสงรบกวนทเกดขน ซงเปนปญหาทมความนาสนใจ และทาทายในการท างานวจยในดานนอยางยง วทยานพนธนจงจะอาศยขอมลจากอปกรณรบรเปนกลองเพยงหนงตว ในการพฒนาระเบยบวธ การวางแผนการจดวางปลายนว ส าหรบการจบวตถทไมรจกนน ซงมเปาหมายเพอเพมความถกตองแมนย าในการน าปลายนวของมอหนยนต ไปวางลงบนพนผวของวตถทไมรจก ในจดทก าหนดไว รวมไปถงการจดการกบความไมแนนอนทเกดขนภายในระบบดวย

3 วตถประสงคของงานวจย

เพอพฒนาระเบยบวธ ในการวางแผนการจดวางปลายนวลงบนวตถอยางแมนย า ส าหรบการจบวตถทไมรจก ภายใตสภาพแวดลอมทไมแนนอน (Uncertainty) โดยใชอปกรณรบรเปนกลองหนงตวเทานน

4 ทฤษฎและอปกรณทเกยวของ

4.1 กลองและการปรบแกพารามเตอรภายในของกลอง (Camera and Intrinsic Parameter Calibration)

ลกษณะการท างานของกลองโดยทวไปนน จะเปนการท างานแบบกลองรเขม [28] โดยกลองจะท าการฉายภาพวตถในพกดสามมตผานเลนสทเปนรขนาดเลก ใหมาอยในพกดสองมตบนภาพ ซงสามารถอธบายไดโดยสมการดงตอไปน

[ | ]

[ ] [

] [

] [

]

6

โดยก าหนดให เปนคาคงท [ | ] เปนเมทรกซอธบายการเลอนต าแหนง และการหมน เปนพกดสามมตของวตถในกรอบอางองโลก เปนพกดของจดทฉายลงบนระนาบสองมตในกรอบอางองของภาพ เปนเมทรกซอธบายพารามเตอรภายในของกลอง เปนจดกงกลางภาพ เปนความยาวโฟกส มหนวยเปนพกเซล

คาคงท s จะมการเปลยนแปลงคา ในกรณทภาพทไดจากกลองถกขยายขนหรอยอลงดวยคาคงทหนง ซงจะสงผลใหพารามเตอรในเมทรกซ A จะตองถกคณดวยคาคงทนน จงตองมการเปลยนแปลงคาคงท s เพอรกษาใหเมทรกซ A มคาเทาเดม จงเรยกเมทรกซ A วาพารามเตอรภายในของกลอง (Intrinsic Parameters) ซงคาพารามเตอรนจะขนอยกบตวกลอง ไมขนกบมมมองของกลอง และเมอถกวดออกมาแลวจะสามารถน าไปใชซ ากบกลองตวเดมไดเสมอ โดยทความยาวโฟกสจะตองไมถกเปลยนแปลง หรอไมมการซมนนเอง ในสวนของเมทรกซการเลอนต าแหนงและการหมน [R|t] จะถกเรยกรวมกนวา พารามเตอรภายนอกของกลอง (Extrinsic Parameters) ซงเปนเมทรกซอธบายการวางตวของกลองเมอเทยบกบกรอบอางองของโลก ทเปลยนต าแหนง (X, Y, Z) ไปเปนต าแหนง (x, y, z) ในกรอบอางองทคงทเมอเทยบกบต าแหนงของกลอง ความสมพนธขางตนสามารถจดรปแบบใหมไดเปน

[ ] [

]

แตเนองจากเลนสโดยทวไปทมใชงานอยในปจจบนนน จะมปญหาในเชงเทคนคทท าใหภาพทไดเกดการบดงอ (Distortion) ซงโดยสวนใหญจะเปนการบดงอในแนวแกนรศมจากศนยกลางของเลนส ดงนนเราจงตองปรบแกสมการขางตนใหมใหเปน

โดยท

และ

7

โดยก าหนดให เปนคาคงทความบดงอในแนวรศม เปนคาคงทความบดงอในแนวตงฉาก เปนพกดของจดทฉายลงบนระนาบสองมตในกรอบอางองของภาพ เปนเมทรกซอธบายพารามเตอรภายในของกลอง เปนจดกงกลางภาพ เปนความยาวโฟกส มหนวยเปนพกเซล

คาคงทในขางตนถอวาเปนสวนหนงของคาพารามเตอรภายในของกลอง เนองจากคาคงทดงกลาวจะขนกบตวกลอง ไมขนกบต าแหนงและมมมองของกลอง และคาคงทเหลานจะไมขนกบขนาดของภาพดวย โดยการปรบแกพารามเตอรเหลาน จะชวยเพมความถกตองในการอางองต าแหนงของวตถในสามมต กบต าแหนงวตถภายในภาพใหมความแมนย าขน ซงวธการปรบแกพารามเตอรเหลานมผน าเสนอไวหลากหลายวธ และมการเผยแพรโปรแกรมส าหรบการหาคาพารามเตอรภายในใหใช แบบไมคดมลคาอกดวย

โดยในงานวจยนจะใชเครองมอการหาคาพารามเตอรภายในจาก OpenCV [29] โดยใชกระดานตารางสขาวและด า (รปท 1) ทรจ านวน ขนาด และต าแหนงของแตละชองอยกอนแลว จงท าใหทราบความสมพนธระหวางจดสองมตในภาพ (p) กบต าแหนงในโลกสามมต (P) จากนนจงน าขอมลความสมพนธดงกลาวมาแกสมการหาคาของพารามเตอรภายในของกลอง

รปท 1 อปกรณส าหรบการปรบแกพารามเตอรภายในของกลอง

รปท 2 กลองรน Logitech c920

8

ส าหรบกลองทใชในงานวจยน จะเปนกลองยหอ Logitech รน Logitech c920 [30] (รปท 2) โดยมคณสมบตตางๆ ทนาสนใจดงน

ชอรน Logitech c920

Resolution 1920 x 1080 FOV 78◦

Frame Rate (Max) 1080p @ 30 fps Weight 162 g

ตารางท 1 คณสมบตของกลองรน Logitech c920

4.2 Katana Robotic Arm

Katana เปนแขนหนยนตทผลตโดยบรษท Neuronics จากประเทศสวตเซอรแลนด [31] ซงไดมการพฒนาและผลตออกมาหลากหลายรน โดยในงานวจยนจะใชแขนหนยนตรน Katana 6M 180 (รปท 3) ซงเปนแขนหนยนตทมน าหนกเบา สามารถเคลอนทได 6 องศาอสระ (degrees of freedom) โดยมาพรอมกบ gripper หนงอน ซง Katana 6M ขบเคลอนโดยมอเตอรกระแสตรงจ านวน 6 ตว ทควบคมโดยการสงค าสงจาก PC ผานสาย serial ไปยง microcontroller ทอยภายในกลองควบคมของ Katana โดยต าแหนงของมอเตอรสามารถวดไดโดยการอานคาจาก encoders ของมอเตอรแตละตว

รปท 3 (ซาย) แขนหนยนต Katana 6M 180, (ขวา) ขอบเขตทสามารถเคลอนทเขาไปถงไดของแขน Katana

ส าหรบ gripper นนสามารถตดตงได 2 รปแบบคอ ตดตงในทศทาง 180 องศาเทยบกบขอมอ (Katana

6M 180) และตดตงในทศทาง 90 องศา (Katana 6M 90) ซงอปกรณรบรทตดตงอยบน gripper มจ านวนทงหมด 15 ชน ประกอบไปดวยอปกรณวดระยะ (infra-red : IR) และอปกรณวดแรง (force and contact sensors) แสดงใหเหนดงรปท 4

9

รปท 4 อปกรณรบรบน gripper (สแดง) infra-red, (สด า) force and contact sensors

ในสวนของอปกรณควบคมของ Katana นนท างานอยบนระบบปฏบตการ Linux ซงเปน open source

จงอนญาตใหสามารถเขาถงสวนควบคมระดบลาง และสามารถแกไขและพฒนาใหตรงกบความตองการในการใชงานทแตกตางกนได โดยในสวนควบคมนมอปกรณและคณสมบตทนาสนใจตางๆ ดงน Processor Freescale MPC5200

Embedded controllers 6 x TI TMS320 32bit motor controllers Memory 64MB RAM

Flash 32MB flash CAN bus 1 x control bus; 1 x sensor bus; external CAN connector

Networking 1 x Ethernet hub USB 1 x host; 1 x device

Other I/O integrated digital I/O extension board Operating system Linux 2.4.25 (Linux kernel 2.6 optional) with Xenomai hard real-time

extensions; driver patches for control board ตารางท 2 อปกรณภายในสวนควบคมของ Katana

4.3 การระบต าแหนงพรอมกบสรางแผนท (Simultaneous Localization and Mapping : SLAM)

วธการระบต าแหนงพรอมกบการสรางแผนท (SLAM) [32] เปนกระบวนการทหนยนต จะสรางแผนทของสภาพแวดลอมในขณะทก าลงเคลอนท และระบต าแหนงของตวเองไปพรอมๆ กน โดยทหนยนตจะไมรขอมลของสงแวดลอมนนมากอน ซงปญหาการระบต าแหนง และการสรางแผนท เปนปญหาทมความสอดคลองและเกยวพนกนเปนอยางมาก ในขณะเรมตน หนยนตจะไมรจกต าแหนงของตวเองมากอน และจะคอยๆสรางแผนทของสงแวดลอมรอบๆตวมนขนมาเรอยๆ ในขณะเดยวกนกจะใชแผนทนน ในการระบ

10

ต าแหนงของหนยนต จงกลาวไดวา ความไมแนนอนของต าแหนงของหนยนต จะขนอยกบความไมแนนอนของแผนท และในทางกลบกน ความไมแนนอนของแผนท กจะขนอยกบความไมแนนอนของต าแหนงหนยนตดวย ซงวธการระบต าแหนงพรอมกบสรางแผนทน จะใชวธการทางความนาจะเปนในการจดการกบความไมแนนอนเหลาน

เพอความสะดวกในการอธบาย จะขอก าหนดตวแปรดงตอไปน เมอหนยนตเคลอนทผานสงแวดลอมแลวพบจดสงเกต (Landmarks) ณ เวลา k ก าหนดให เปนสถานะของหนยนต ประกอบดวย ขอมลต าแหนงและทศทางของหนยนต เมอเวลา k

เปนค าสงของหนยนตทสงใหหนเคลอนทจากเวลา k – 1 ไปสถานะ ทเวลา k เปนเวกเตอรบอกถงต าแหนงของจดสงเกต (Landmarks) จดท i โดยสมมตวาต าแหนงทแทจรงไม

เปลยนแปลงตามเวลา เปนต าแหนงของจดสงเกตท i ทไดวดจากหนยนตทเวลา k ซงสามารถเขยนรวมทกจดสงเกตไดเปน

นอกจากนยงขอก าหนดให { } { } เปนบนทก (History) ของสถานะหนยนต { } { } เปนบนทก (History) ของค าสงของหนยนต เปนเซตของจดสงเกตทงหมด { } { } เปนเซตของขอมลการวดจดสงเกตทงหมดจากหนยนต 4.3.1 การระบต าแหนงพรอมกบการสรางแผนทในเชงความนาจะเปน

รปแบบของความนาจะเปนของปญหาการระบต าแหนงพรอมกบการสรางแผนท (SLAM) สามารถเขยนในรปแบบ การกระจายของความนาจะเปน (probability distribution) ไดดงน

| (1)

จากสมการแสดง การกระจายความนาจะเปน ของความหนาแนนรวมในภายหลง (joint posterior density) ของสถานะหนยนต ( ) ซงในทนคอต าแหนงของหนยนต และต าแหนงของจดสงเกต (m) ทเวลา k เมอก าหนดเซตของจดสงเกตทงหมดทวดไดจากหนยนต ( ), ค าสงทงหมดของหนยนต ( ) ตงแตเวลา 0 ถง k และสถานะเรมตนของหนยนต ( )

ซงโดยทวไปแลวผลลพธแบบเวยนบงเกด (recursive solution) ของปญหา SLAM จะเรมจากการประมาณการกระจายของ | ทเวลา k – 1 หลงจากนนจงค านวณ joint posterior จากค าสงของหนยนต และจดสงเกตทงหมดทวดไดจากหนยนต ทเวลา k โดยอาศย Bayes theorem ซงการค านวณนนจ าเปนจะตองอาศยโมเดลการเปลยนแปลงของสถานะหนยนต (state transition model) และโมเดลการวดจดสงเกต (observation model) ทแปรผนตามค าสงของหนยนต และจดสงเกต ตามล าดบ

11

โมเดลการวดจดสงเกต (observation model) จะบรรยายความนาจะเปนของจดสงเกตทงหมดทวดไดจากหนยนต ( ) เมอรสถานะของหนยนต ( ) และต าแหนงของจดสงเกต m ทแนนอน ซงเขยนไดเปน

| (2)

ในทนจะสมมตวา จดสงเกตทวดได ( ) จะขนอยกบสถานะหนยนต ( ) และต าแหนงของจดสงเกต m ปจจบนเทานน โมเดลการเปลยนแปลงสถานะหนยนต (state transition model) จะบรรยายการกระจายความนาจะเปนไดดงน

| (3)

State transition ทงหมดถกสมมตใหเปน Markov process ไดซงสถานะถดไป ( ) จะขนอยกบสถานะกอนหนา ( ) และค าสงของหนยนต ( ) เทานนโดยขนกบจดสงเกตทวดได ( ) และแผนท SLAM อลกอรทม จะสามารถอธบายไดดวย อลกอรทมแบบเวยนบงเกดสองขนตอนคอ การประมาณคา (prediction, time-update) และการปรบแกคา (correction, measurement-update) ซงอยในรป Prediction | ∫ | | (4)

Correction |

| |

| (5)

ในสมการท 4 และ 5 เปนการค านวณแบบเวยนบงเกด ส าหรบค านวณหา ความนาจะเปนรวมภายหลง (joint posterior) | ส าหรบสถานะหนยนต ( ) และเซตของจดสงเกตทงหมดในแผนท m ณ เวลา k โดนขนกบ เซตของจดสงเกตทงหมดทวดได ( ) และค าสงทงหมดของหนยนต ( ) การค านวณแบบเวยนบงเกดน จะอยในรปโมเดลการเปลยนแปลงของสถานะหนยนต (state transition model) | และโมเดลการวดจดสงเกต (observation model) |

ส าหรบปญหาการสรางแผนทเพยงอยางเดยวสามารถเขยน การกระจายความนาจะเปน ไดเปน | โดยก าหนดวารสถานะของหนยนต ( ) ทแนนอนตลอดเวลา ดงนนแผนทจะเปนการรวมกนระหวางจดสงเกตทต าแหนงของหนยนตตางๆ กน ในทางกลบกน ส าหรบปญหาทตองการการระบต าแหนงเพยงอยางเดยว สามารถเขยนการกระจายความนาจะเปนไดเปน | โดยสมมตวารต าแหนงของจดสงเกตทแนนอนตลอดเวลา ดงนนจดมงหมายจะกลายเปนการประมาณสถานะหนยนตเทยบกบจดสงเกตทงหลาย 4.3.2 การแกปญหา SLAM

การแกปญหา SLAM เปนการหารปแบบการน าเสนอของ โมเดลการเปลยนแปลงของสถานะหนยนต (state transition model) (3) และโมเดลการวดจดสงเกต (observation model) (2) ทมประสทธภาพ

12

เพยงพอทจะค านวณ การประมาณคา (4) และการปรบคา (5) ซงโดยทวไปแลวจะถกน าเสนออยในรป โมเดลของ state-space ทใช Gaussian noise เขารวมดวย ซงวธการแกปญหาของ SLAM มผเสนอไวมากมาย ยกตวอยางเชน Extended Kalman Filter (EKF) [33, 34] เปนตน

5 แนวคดของการวจยและวธการด าเนนงาน

การพฒนาระเบยบวธ ในการวางแผนการจดวางปลายนว ส าหรบการจบวตถทไมรจกนน มเปาหมายเพอเพมความถกตองแมนย าในการน าปลายนวของมอหนยนต ไปวางลงบนพนผวของวตถทไมรจก ในจดทก าหนดไว ภายใตสภาพแวดลอมทมความไมแนนอนเกดขน โดยอาศยขอมลจากอปกรณรบรเปนกลองความละเอยดสงเพยงหนงตวเทานน

ปญหาหนงทตองพจารณาในงานวจยนคอ ปญหาการระบต าแหนงของปลายนว เทยบกบจดจบบนพนผวของวตถทตองการ โดยในงานวจยนจะใชกลองความละเอยดสงหนงตว ตดตงบนมอหนยนต (Eye-in-hand camera) ซงมขอดคอ สามารถปรบเปลยนมมมองของกลองไดหลายหลายมมมอง ชวยเพมขอมลทจะน ามาใชในการระบต าแหนง อกทงในการระบต าแหนงของกลอง กจะท าใหสามารถระบต าแหนงของมอหนยนตและปลายนวไดโดยงาย เมอพจารณาการจบวตถทไมรจก ทไมรทงรปราง ขนาด และคณสมบตตางๆ ของวตถทจะจบ ท าใหไมสามารถระบต าแหนงของปลายนวเทยบกบจดจบไดโดยตรง จงมความจ าเปนตองสรางแบบจ าลอง หรอหาขอมลทบงบอกถง รปรางและคณลกษณะส าคญ ทสามารถน ามาใชวเคราะหหาจดจบทดบนวตถนนๆ ซงการใชกลองเพยงหนงตว จะท าใหปญหานมความยากและทาทายเปนอยางยง ท าใหมหลากหลายงานวจยไดพยายามพฒนางานวจย เพอแกไขปญหาเหลาน [10, 11, 12] โดยภาพรวมแลวมหลายงานวจย ทใชขอมลภาพจากกลองเพยงมมมองเดยวในการวเคราะหหาจดจบ ซงท าใหไมไดขอมลทส าคญของวตถทอาจอยในมมมองอนๆ และมงานวจยอกกลมหนงทพยายามสรางแบบจ าลองของวตถใน 3 มต (3D Reconstruction) [14] กอนทจะน ามาใชวเคราะหหาจดจบ ซงจะใชเวลานานเพอใหแบบจ าลองทไดออกมามความแมนย า

ในงานวจยนจงไดน าแนวคดจากปญหา การระบต าแหนงพรอมกบสรางแผนท (Simultaneous Localization and Mapping : SLAM) [32] เปนกระบวนการทหนยนตสรางแผนทของสภาพแวดลอมในขณะทก าลงเคลอนท และระบต าแหนงของตวเองไปพรอมๆ กน โดยในงานวจยนจะใชการเคลอนทของกลองไปรอบๆ วตถ เพอสรางแผนทหรอกคอการสรางแบบจ าลองของวตถ พรอมกบระบต าแหนงของกลองทตดตงบนมอหนยนตไปพรอมกน อกทงในการแกไขปญหา SLAM จะมการพจารณาและจดการกบความไมแนนอนทเกดขน ซงจะชวยใหการระบต าแหนงของปลายนวมความแมนย ามากยงขน โดยปญหาของงานวจยน จะแบงออกเปน 2 ประการหลกดงน

1) การระบต าแหนงพรอมกบสรางแบบจ าลองวตถ 2) การวางแผนการจดวางปลายนว

13

5.1 การระบต าแหนงพรอมกบสรางแบบจ าลองวตถ

ปญหาในสวนการระบต าแหนงพรอมกบสรางแบบจ าลองวตถน สงทตองการคอ ต าแหนงของกลองทตดตงบนมอหนยนต และแบบจ าลองของวตถ ซงในวทยานพนธน จะมงเนนความแมนย าเปนหลก ดงนนในการพฒนางานสวนนจงตองค านงถงความผดพลาดทจะเกดขน ในการประมาณต าแหนงของกลอง และการสรางแบบจ าลองของวตถ โดยการน าแนวคดของ SLAM มาชวยแกไขปญหา จะมประเดนหลกทจะตองพจารณาอย 2 ประเดน นนคอ Observation model และ Map representation

5.1.1 Observation model

โมเดลการวดจดสงเกต (observation model) จะบรรยายความนาจะเปนของจดสงเกตทงหมดทวดได ในการแกไขปญหา SLAM จะเปนการหารปแบบการน าเสนอของโมเดลการเปลยนแปลงสถานะของหนยนต (state transition model) และโมเดลการวดจดสงเกต (observation model) ทมประสทธภาพ ซงไดอธบายไวในทฤษฎทเกยวของ โดยในการวดคาจดสงเกตทส าคญ จะตองพจารณาเลอก feature ภายในภาพ และหาความสมพนธของ feature ทตรวจพบกบ landmark ซงมแนวทางดงน

1) Features detection ภาพทไดจากกลองนน เปนขอมลของจดสเปนปรมาณมาก ซงเปนขอมลทคอมพวเตอรนนไม

สามารถเขาใจได ในขนตอนนจงตองพจารณาหาสวนของภาพทมลกษณะเดนในสงแวดลอม โดยตองค านงถงความคงทนตอการเปลยนแปลงตอสภาพแสง เพอใหสามารถตรวจพบไดอยางแมนย า และสามารถแยกแยะออกจากภาพสวนอนๆ ได เชน เสา, มมหอง และขอบประต เปนตน โดยลกษณะเดนทจะปรากฏอยในภาพสวนมากจะมลกษณะ เปนเสนขอบ และเหลยมมม ซงสามารถดงน าเอาสวนส าคญของภาพเหลานออกมาไดดวยวธการทาง Image processing

2) Feature associations นอกจากการตรวจหา feature ในภาพแลว ขนตอนส าคญอกขนตอนหนงคอ การหาความสมพนธ

ระหวาง feature ทตรวจพบภายในภาพกบจสงเกต (landmark) ทกลองเคยตรวจพบแลวในอดต วธการหาความสมพนธระหวาง feature กบ landmark สามารถแบงออกไดเปน 2 แบบคอ

2.1) การหาความสมพนธจากภาพ เปนการหาความสมพนธของ feature ปจจบนเทยบกบ feature ในภาพกอนโดยพจารณาความสมพนธจากภาพ ตวอยางอลกอรทมทหาความสมพนธของ feature จากภาพเชน optical flow จะเปนอลกอรทมซงไดจากการ track feature เพอตดตามต าแหนงของ feature ท าใหไดขอมลการเลอนของ feature จากอดตสปจจบน แลวจงสามารถก าหนดความสมพนธของ feature ปจจบนกบ landmark ได

2.2) การหาความสมพนธจากขอมลการวด การหาความสมพนธจากขอมลการวด จะใชกตอเมอไมสามารถหาความสมพนธของ feature และ landmark จากภาพได สาเหตเนองจาก landmark ทเคยตรวจพบนนหายไปจากภาพ แตไดกลบเขามาในภาพอกครง ดวยสาเหตนจงไมสามารถ

14

track feature ได สวนวธการหาความสมพนธนน จะเปรยบเทยบความแตกตางระหวางคาจดสงเกตจรง กบคาการวดทประมาณไดจากสถานะจดสงเกตของ SLAM ส าหรบขนตอนการหาความสมพนธน จะตองท าหลงจากท SLAM ได prediction state เปนทเรยบรอยแลวจงจะเกดความแมนย า

5.1.2 Map representation

การก าหนดรปแบบการน าเสนอของแผนท (map representation) เปนการน าเสนอรปแบบของแผนทของสภาพแวดลอมทจะใชใน SLAM ซงมหลากหลายรปแบบอาทเชน point cloud และ mesh เปนตน โดยลกษณะของแผนททแตกตางกนกจะใหขอมลทแตกตางกน และมประโยชนในดานการใชงานทตางกน ซงในงานวจยนแผนทของสภาพแวดลอม จะเปรยบไดกบแบบจ าลองของวตถ การเลอกรปแบบของแบบจ าลองทเหมาะสม จงจะสงผลตอความแมนย าในการสรางแบบจ าลองของวตถโดยตรง

5.2 การวางแผนการจดวางปลายนว

เนองดวยการจบวตถในแตละครง แผนทหรอแบบจ าลองวตถจะถกสรางขนใหม ท าใหในตอนเรมการท างาน จะไมมทงต าแหนง และแบบจ าลองของวตถ จงจ าเปนทจะตอง วางแผนการเคลอนทเพอส ารวจวตถ กอนการจบวตถจรง

โดยในขนตอนนจะตอง วางแผนการเคลอนทของกลองรอบวตถ เพอส ารวจและสรางแผนทหรอแบบจ าลองของวตถ ซงตองมการตรวจสอบดวยวาแบบจ าลองทไดเพยงพอส าหรบการหาจดจบหรอไม อกทงในการเคลอนกลองเพอส ารวจนนอาจท าใหพบมมมองทเหนชนสวนใหมของวตถ เชน หแกวน า จงตองมการวางแผนและคดอลกอรทมทใชในการตดสนใจ เคลอนทไปในทศทางทคาดเดาวาจะพบมมมองทปรากฏจดจบทดอยดวย โดยในวทยานพนธนจะมงเนนเฉพาะการวางแผนการน าปลายนว ไปวางบนจดจบทเหมาะสมบนวตถอยางแมนย า โดยจะไมพจารณาวธการหาจดจบบนวตถ ซงจะน าวธการหาจดจบทเหมาะสมนมาจากงานวจยอนๆ

และในระหวางการเคลอนทของของกลอง อาจมบางสถานการณทสงผลกระทบใหการท างานของระบบผดพลาด เชน กลองเคลอนทเขาใกลวตถมากเกนไป ไมสามารถมองเหน feature บนวตถได ท าใหการระบต าแหนงผดพลาดได และเนองดวยขอจ ากดทางดาน kinematic ของแขนหนยนต ท าใหการเคลอนทของกลองไมเปนไปตามทวางแผน อาจสงผลใหวตถหลดออกจากมมมองของกลองได เปนตน จงจ าเปนตองมกลยทธทใชแกไขสถานการณตางๆ เหลาน เพอใหการท างานของระบบสามารถท าตอไปไดอยางถกตอง

15

5.3 การวดผลการทดลอง

ในวทยานพนธนจะแบงการทดลองออกเปน 2 การทดลองดงน 1) การทดลองเพอวดผลความแมนย าในการวางปลายนว ซงจะวดต าแหนงทปลายนววางลงบนพนผว

วตถโดยจะเปรยบเทยบกบขอมลจดจบทเปน ground truth 2) การทดลองเพอวดความถกตองในการสรางแบบจ าลองวตถ โดยจะน าแบบจ าลองทสรางไดจากวธ

ทน าเสนอ มาเปรยบเทยบกบแบบจ าลองวตถทมาจากขอมลทเชอถอได เชน จากฐานขอมลมาตรฐาน และจากขอมล Kinect เปนตน

6 ขอบเขตของงานวจย

1) งานวจยนจะพฒนาระเบยบวธ ในการวางแผนการจดวางปลายนวลงบนวตถอยางแมนย า ส าหรบการจบวตถทไมรจก โดยใชอปกรณรบรเปนกลองหนงตวเทานน

2) งานวจยนจะสนใจเฉพาะการเคลอนแขนหนยนต ไปวางนวใหตรงกบจดจบทก าหนดไว โดยไมรวมการพฒนาอลกอรทมการหาจดจบ และไมรวมการหลบหลกสงกดขวาง

3) สภาพแวดลอมจะตองเหมาะสมกบการท างานของแขนหนยนต และอปกรณรบร โดยไมมสงกดขวางบดบงการท างานของระบบ

4) วตถทใชในการจบจะมรปรางไมซบซอน และมลวดลายทเดนชด

7 ขนตอนการด าเนนงาน

1) ศกษาทฤษฎพนฐานของการจบ และการท างานของแขนหนยนต 2) ศกษาทฤษฎพนฐานของการระบต าแหนง และการสรางแบบจ าลองวตถ 3) ศกษาและพฒนาระเบยบวธในการตรวจหา features จากกลอง การแปลงและเลอกใช features ท

เหมาะสม 4) พฒนาระเบยบวธการประมาณต าแหนงของกลอง และการสรางแบบจ าลองวตถ รวมถงพฒนาการ

จดการความไมแนนอนทเกดขนในระบบ 5) พฒนาระเบยบวธในการวางแผนการเคลอนทแขนหนยนตและกลอง ในการปรบเปลยนมมมอง

และการเขาจบวตถ 6) วดผลการทดลอง สรปผลการทดลองพรอมจดท ารปเลม และเนอหาวทยานพนธ

16

8 เอกสารอางอง

[1] E. Chinellato, A. Morales, R. B. Fisher and A. P. del Pobil, “Visual quality measures for characterizing planar robot grasps,” IEEE Transactions on Systems, Man, and Cybernetics - Part C: Applications and Reviews, vol. 35, no. 1, pp. 30–41, 2005. [2] B. Calli, M. Wisse and P. Jonker, “Grasping of unknown objects via curvature maximization using active vision,” in Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 996-1001, 2011. [3] C. Borst, M. Fischer, and G. Hirzinger, “Unknown object grasping using statistical pressure models,” in Proceedings of the IEEE International Conference on Robotics and Automation, vol. 2, 2000, pp. 1054–1059. [4] J. Bohg and D. Kragic, “Grasping familiar objects using shape context,” in Proceedings of the International Conference on Advanced Robotics (ICAR), 2009, p. 16. [5] K. H¨ubner, S. Ruthotto, and D. Kragic, “Minimum volume bounding box decomposition for shape approximation in robot grasping,” in Proceedings of the IEEE International Conference on Robotics and Automation (ICRA’08), 2008, pp. 1628–1633. [6] A. T. Miller, S. Knoop, H. I. Christensen, and P. K. Allen, “Automatic grasp planning using shape primitives,” in Proceedings of the IEEE International Conference on Robotics and Automation (ICRA’03), 2003, pp. 1824–1829. [7] C. Goldfeder, P. K. Allen, C. Lackner, and R. Pelossof, “Grasp planning via decomposition trees,” in Proceedings of the IEEE International Conference on Robotics and Automation (ICRA’07), 2007. [8] M. Richtsfeld and M. Vincze, “Grasping of unknown objects from a table top,” in Workshop on Vision in Action: Efficient strategies for cognitive agents in complex environments, 2008. [9] M. Richtsfeld and M. Zillich, “Grasping unknown objects based on 21/2d range data,” in Proceedings of the IEEE Conference on Automation Science and Engineering, 2008, pp. 691–696. [10] A. Saxena, J. Driemeyer and A. Y. Ng, “Robotic grasping of novel objects using vision,” The International Journal of Robotics Research, vol. 27, no. 2, pp. 157–173, 2008. [11] A. Saxena, J. Driemeyer, J. Kearns, C. Osondu, and A. Y. Ng, Experimental Robotics. Springer Berlin / Heidelberg, 2008, vol. 39, ch. Learning to Grasp Novel Objects Using Vision, pp. 33–42.

17

[12] M. Popovi´c, G. Kootstra, J. Alison J., D. Kragic and N. Kr¨uger, “Grasping unknown objects using an early cognitive vision system for general scene understanding,” in Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 987-994, 2011. [13] X. Gratal, J. Romero, J. Bohg and D. Kragic, “Visual servoing on unknown objects,” Mechatronics, vol. 22, pp. 423-435, 2012. [14] G. Walck and M. Drouin, “Automatic Observation for 3D Reconstruction of Unknown Objects using Visual Servoing,” in Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 2727-2732, 2010. [15] V. Lippiello, F. Ruggiero and B. Siciliano, “Floating Visual Grasp of Unknown Objects Using an Elastic Reconstruction Surface,” Robotics Research, STAR 70, pp. 329–344, 2011. [16] “ICRA 2011 Workshop on Manipulation Under Uncertainty”. [Online]. Available: http://www.willowgarage.com/muu11. [Accessed: 13-Aug-12]. [17] G. Zhao, Y. Jia and Z. Ou, “Construction of Vision-based Manipulation System for 3D Industrial Objects,” Proceedings of the 2009 IEEE International Conference on Robotics and Biomimetics, 2009, pp. 1051-1056. [18] L. Chang and N. Pollard, “Posture optimization for pre-grasp interaction planning,” ICRA 2011 Workshop: Manipulation Under Uncertainty, 2011. [19] J. Hess, J. Sturm and W. Burgard, “Learning to Efficiently Clean Surfaces with Mobile Manipulation Robots,” ICRA 2011 Workshop: Manipulation Under Uncertainty, 2011. [20] S. Tellex, T. Kollar, S. Dickerson, M. R. Walter, A. G. Banerjee, S. Teller and N. Roy, “Interpreting Robotic Mobile Manipulation Commands Expressed in Natural Language,” ICRA 2011 Workshop: Manipulation Under Uncertainty, 2011. [21] J. Felip, J. Bernabe and A. Morales, “Emptying the box using blind haptic manipulation primitives,” Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, 2011. [22] M. Roa and R. Suarez, “Computation of independent contact regions for grasping 3-d objects,” IEEE Transactions on Robotics, vol. 25, no. 4, pp. 839 –850, 2009. [23] M. Teichmann and B. Mishra, “Reactive algorithms for grasping using a modified parallel jaw gripper,” in Robotics and Automation, 1994. Proceedings., 1994 IEEE International Conference on, pp. 1931 –1936 vol.3, May 1994.

18

[24] K. Hsiao, P. Nangeroni, M. Huber, A. Saxena, and A. Y. Ng, “Reactive grasping using optical proximity sensors,” in Robotics and Automation, 2009. ICRA ’09. IEEE International Conference on, pp. 2098 –2105, May 2009. [25] K. Hsiao, S. Chitta, M. Ciocarlie, and E. Jones, “Contact-reactive grasping of objects with partial shape information,” in Intelligent Robots and Systems (IROS), 2010 IEEE/RSJ International Conference on, pp. 1228 –1235, 2010. [26] D. Gunji, Y. Mizoguch, S. Teshigawara, A. Ming, A. Namiki, M. Ishikawa, and M. Shimojo, “Grasping force control of multifingered robot hand based on slip detection sing tactile sensor,” in SICE Annual Conference, 2008, pp. 894 –899, 2008. [27] J. Felip and A. Morales, “Robust sensor-based grasp primitive for a three-finger robot hand,” in Intelligent Robots and Systems 2009. IROS 2009. IEEE/RSJ International Conference on, pp. 1811 –1816, 2009. [28] Zhengyou Zhang;, "Flexible camera calibration by viewing a plane from unknown orientations," The Proceedings of the Seventh IEEE International Conference on Computer Vision, vol.1, pp.666-673, 1999. [29] “OpenCV: Open Source Computer Vision”. [Online]. Available: http://opencv.willowgarage.com/wiki/. [Accessed: 13-Aug-12]. [30] “Logitech HD Pro Webcam C920”. [Online]. Available: http://www.logitech.com/en-us/webcam-communications/webcams/hd-pro-webcam-c920. [Accessed: 13-Aug-12]. [31] “Neuronics”. [Online]. Available: http://www.neuronics.ch/. [Accessed: 13-Aug-12]. [32] H. Durrant-Whyte and T. Bailey, “Simultaneous localization and mapping:part i,ii,” IEEE Robotics & Automation Magazine, vol. June, 2006. [33] P. Moutarlier and R. Chatila, “An experimental system for incremental environment modeling by an autonomous mobile robot,” in In 1st International Symposium on Experimental Robotics, 1989. [34] R. Chatila and P. Moutarlier, “Stochastic multisensory data fusion for mobile robot location and environment modeling,” in In 5th Int. Symposium on Robotics Research, 1989.