Return to search

IMU-baserad skattning av verktygets position och orientering hos industrirobot / IMU-based Robot Tool Pose Estimation

Robotar är en självklar del av modern automation och produktion. Användningsområdenaär många och innefattar bland annat repetitiva arbetsuppgifter ochuppgifter som kan vara hälsofarliga för oss människor, så som t.ex. målning,punktsvetsning och materialhantering. Ett problem inom robotik är att noggrant skatta position och orientering för robotensverktyg. Detta examensarbete syftar till att ta fram metoder för dennaskattning baserad på mätningar från en Inertial Measurement Unit (IMU) sommonteras vid robotens verktyg. En IMU är en kombinationsenhet som består av flera sensorer, vanligtvis accelerometeroch gyroskop. Enheten mäter då acceleration och rotationshastighetbaserat på kroppars tröghet. Examensarbetet presenterar tre metoder för att skatta position och orienteringav robotens verktyg. En skattningsmetod endast är baserad på mätningar frånIMU:n, död räkning, samt två filter där även robotkinematiken tillsammans meduppmätta motorvinklar används, extended Kalmanfilter (EKF) och komplementärfilter(CF). Resultat för skattningsmetoderna visas för experimentell data från en högpresterandeIMU tillsammans med en industrirobot med sex frihetsgrader. / Industrial robots have a well established part within modern automation and production.The uses for robots are many and include e.g. repetitive tasks, painting, spot welding and material handling. One problem in robotics is to sufficiently well estimate the position and orientation for the end effector of the robot. This thesis aims to present estimationmethods based on data from an Inertial Measurement Unit (IMU) mounted onthe end effector of the robot. An IMU is a combination unit typically containing accelerometers and gyroscopes.The unit measures acceleration and rotational speed based on the inertia of bodies. The thesis presents three methods for position and orientation estimation. One based exclusively on IMU data, dead reckoning, and two filters based on IMUdata in combination with robot kinematics and motor angles, extended Kalmanfilter (EKF) and complementary filter (CF). Results for the estimation methods are shown based on experimental data froma high-performance IMU and a industrial robot with six degrees of freedom.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:liu-109644
Date January 2014
CreatorsNorén, Johan
PublisherLinköpings universitet, Reglerteknik, Linköpings universitet, Tekniska högskolan
Source SetsDiVA Archive at Upsalla University
LanguageSwedish
Detected LanguageSwedish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.002 seconds