Visionsbasierter Hindernis-vermeidender Mobiler Roboter auf Raspberry Pi

Zusammenfassung

Dieser Bericht stellt Design und Implementierung eines kostengünstigen mobilen Roboters vor, der Computer Vision zur Erkennung und Vermeidung von Hindernissen nutzt. Angetrieben von einem Raspberry Pi und einer USB-Webcam demonstriert das System, wie günstige Hardware autonome Navigation in Innenräumen wie Lagerhäusern ohne menschliche Bediener ermöglichen kann.

Einführung

Kommerzielle autonome Roboter sind oft teuer und auf eine einzelne Umgebung zugeschnitten, sie verlassen sich auf passive Sensoren wie Ultraschall- oder Infrarot-Module zur Kollisionsvermeidung (Wang et al., 2011). Neuere Fortschritte im eingebetteten Computing erlauben den Einsatz leistungsstarker Vision-Algorithmen auf kostengünstigen Plattformen. Ein visionsbasierter Ansatz kann Hindernisse lange vor Nahbereich erkennen und bietet eine robustere Lösung für Indoor-Navigation.

Vorgeschlagene Lösung & Artefakt

Ziel ist der Bau eines autonomen Roboters, der Hindernisse über eine USB-Webcam am Raspberry Pi erkennt. Der Entwicklungsprozess umfasste:

• Entwurf eines Computer-Vision-Algorithmus mit SimpleCV zur Hindernisidentifikation.
• Portierung des Algorithmus auf den Raspberry Pi.
• Implementierung der DC-Motorkontrolle via Python GPIO.
• Testen und Evaluieren der Systemleistung auf dem Pi.

Wesentliche Ziele wurden erreicht:

• Erkennungsreichweite durch Algorithmusparameter einstellbar.
• Hindernisse mit konstant großem Kreis markiert für einfache Identifikation.
• SimpleCV interagiert mit dem Pi, um zwei DC-Motoren anzusteuern.
• Systemleistung bei verschiedenen Hindernisabständen validiert.

Hardware- und Software-Stack

Hardware

• Raspberry Pi Kit
• USB-Webcam
• Zwei DC-Motoren
• H-Brücke Motortreiber
• Chassis und Verkabelung
• Steckbrett und Kabel

Software

• SimpleCV Python-Bibliothek
• Ubuntu / Raspberry OS (Raspbian)
• Python 2.7

Computer-Vision-Algorithmus Überblick

Der Algorithmus wurde zuerst auf einem Ubuntu-Laptop entwickelt und später auf den Pi portiert, wobei die Linux-Kompatibilität genutzt wurde. Er identifiziert einen kreisförmigen Marker auf Hindernissen, binarisiert das Bild zur Formisolierung und berechnet den Radius zur Distanzschätzung. Der Bildschirm wird in drei vertikale Zonen unterteilt; die horizontale Position des Kreises bestimmt die Lenkaktion des Roboters.

Da der 700-MHz-Prozessor und 512 MB RAM des Raspberry Pi hochauflösende Verarbeitung limitieren, wurde 320×240 Auflösung gewählt, um Erkennungsgenauigkeit und Framerate-Stabilität auszugleichen.

Experimenteller Aufbau

Ein experimenteller Aufbau maß den Zusammenhang zwischen Kreis-Pixelfläche und physischer Distanz zum Roboter. Durch Annäherung oder Entfernen des Hindernisses wurde die Pixel-zu-Distanz-Abbildung kalibriert, was präzise Distanzschätzung aus einer einzelnen Kameraperspektive ermöglicht.

System-Flussdiagramm

Im Betriebsablauf streamt die USB-Webcam Frames an den Pi. SimpleCV scannt jeden Frame nach dem kreisförmigen Marker. Bei Erkennung berechnet der Pi die Markerposition und steuert die H-Brücke an, um die Motoren links, rechts oder vorwärts zu fahren.

Fazit

Das Projekt demonstriert, dass ein Raspberry Pi, eine USB-Webcam und SimpleCV ein tragfähiges, kosteneffektives Hindernisvermeidungssystem für Indoor-Robotik-Anwendungen bilden können. Zukünftige Arbeit könnte den Algorithmus auf unmarkierte Hindernisse erweitern und Sensorfusion für erhöhte Zuverlässigkeit integrieren.