Percepcija i lokalizacija robota

Naziv predmeta:

Percepcija i lokalizacija robota

Opis:

Cilj ovog kolegija je omogućiti studentima temeljito i opsežno razumijevanje različitih tipova senzora i njihovih karakteristika, koji su neophodni u svijetu robotike. Kolegij je izborni i predstavlja drugi po redu kolegij u vertikali robotike. Studenti će kroz ovaj kolegij usvojiti osnovne teorijske koncepte vezane za senzore, te će kroz interaktivne praktične primjere naučiti kako se senzori primjenjuju u stvarnim robotičkim sustavima. Ovo uključuje razumijevanje kako senzori omogućuju robotima da percipiraju i shvate svoje okruženje, te kako se koriste u procesima lokalizacije i navigacije. Glavni ciljevi kolegija su:
Upoznati različite senzore koji se koriste u robotskim aplikacijama.
Upoznati se sa senzorom kamere koja čini temelj robotskog vida.
Implementirati algoritam upravljanja robotom koji će korištenjem kamere omogućiti rješavanje zadanog problema.
Koristiti metode umjetne inteligencije u aplikacijama računalnog vida.
Implementirati algoritam lokalizacije korištenjem fuzija senzora.

Kolegij se naslanja na znanja stečena u prethodnom kolegiju Uvod u robotiku. Vrednovanje kolegija temelji se na rješavanju niza praktičnih zadataka.
Studenti će naučiti:
prepoznati i razumjeti način rada različitih tipova senzora koji se koriste u robotskim aplikacijama.
prihvatiti i obraditi podatke sa stvarnih senzora te ih adekvatno pripremiti za integraciju i primjenu u algoritmima za robotske aplikacije.
implementirati te koristiti senzore unutar odabranog simulacijskog robotskog okruženja ili robota.
prihvatiti sliku sa senzora kamere te izračunati intrinzične te ekstrinzične parametre kamere.
prihvatiti sliku i oblak točaka s RGBD kamere.
implementirati algoritam upravljanja robotom koji koristi kameru za rješavanje zadanog problema.
primijeniti metode umjetne inteligencije u aplikacijama robotskog vida.
implementirati algoritam lokalizacije koji koristi fuziju podataka iz više senzora.

Literatura:

Obavezna literatura:
1. Silva, C. (2015) Sensors and Actuators. 2nd edn. Boca Raton: CRC Press.
2. Elgendy, M. (2020) Deep Learning for Vision Systems. Shelter Island: Manning Publications.

Dopunska literatura:
1. Géron, A. (2019) Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. Sebastopol: O´Reilly Media.
2. Kovačić, Z., Bogdan, S., Krajči, V. (2002) Osnove robotike. Zagreb: Graphis.