Development of an autonomous humanoid robot team

Abstract

In this thesis I describe the design and development of a fully autonomous humanoid team to participate in the RoboCup, the world robot soccer championship. The team has had several successful participations in RoboCup competitions, and had won many awards including 3rd place at RoboCup2007, and twice second place at RoboCup2009 and 2010. After a short introduction, I begin the thesis with the description of the robotic platform, here I explain my contributions in the mechanical, electrical and software design of the robots. The next part of the thesis is concerned with the stabilization methods for bipedal locomotion. I first developed a simulation platform. The control algorithms are designed based on this platform and then completed and fi ne tuned on the real robot. My methodology facilitates rapid and robust omnidirectional walking with a velocity of over 40 cm/s for a humanoid robot of 60 cm overall height. The method is much simpler than the current state-of- the-art methods and is capable of compensating large perturbations. The approach described here does not necessarily use accelerometers and relies on position feedback from the motors and ground contact of the feet. Afterwards, I describe several computer vision solutions I developed for the robot. The development of a color-based object recognition module is presented first. The module uses on a small low-cost CMOS camera and a low power microcontroller and provides microcontroller compatible output, in form of serial access to the list of recognized objects. Finally, I propose two new methods for shape- based object recognition. The first method uses a grid of cells and clusters the edge points based on their orientations and reports a connection graph of the edge structure in the image. The second algorithm uses the statistics of the edge orientations in the image to fi nd a round object using a recursive method. The ideas and methods presented in this thesis were implemented in the RoboCup humanoid team of the Free University of Berlin, the FUmanoids.

In dieser Dissertation beschreibe ich den Entwurf und die Entwicklung eines vollständig autonomen humanoiden Roboter-Teams zur Teilnahme am RoboCup, der Weltmeisterschaft im Roboterfußball. Das Team kann mehrfache erfolgreiche Teilnahmen an RoboCup-Wettbewerben vorweisen und gewann viele Titel, so zum Beispiel den 3. Platz in RoboCup 2007 und den 2. Platz in RoboCup 2009 und 2010. Nach einer kurzen Einleitung beginne ich die Dissertation mit einer Beschreibung der robotischen Plattform, in der ich meine Beiträge zum mechanischen und elektronischen Entwurf der Roboter sowie zum Aufbau der Software darstellen werden. Der nächste Teil der Dissertation beschäftigt sich mit der Stabilisierungsmethode für die zweibeinige Fortbewegung. Zuerst habe ich eine Simulationsplattform entwickelt, auf der basierend anschließend Kontrollalgorithmen entworfen wurden. Diese wurden auf den Robotern vervollständigt und abgestimmt. Meine Methodologie ermöglicht ein schnelles und robustes omnidirektionales Laufen mit einer Geschwindigkeit von über 40 cm/s für einen humanoiden Roboter mit einer Gesamtgröße von 60cm. Die Methode ist wesentlich einfacher als Methoden des aktuellen Stands der Forschung und ist in der Lage, auch größere/stärkere Störungen zu kompensieren. Anschließend beschreibe ich verschiedene Computer Vision-Lösungen, welche ich für den Roboter entwickelt habe. Zunächst wird die Entwicklung eines farbbasierten Objekterkennungsmoduls präsentiert. Das Modul nutzt eine kleine kostengünstige CMOS-Kamera und einen minimalistischen Mikrokontroller und liefert Mikrokontroller-kompatible Ausgaben über einen seriellen Zugriff auf die Liste der erkannten Objekte. Zum Schluss schlage ich zwei Ansätze zur formbasierten Objekterkennung vor. Der erste Ansatz setzt auf ein Gitter von Zellen auf, formt Cluster der Kantenpunkte basierend auf ihren Orientierungen und liefert einen Verbindungsgraphen/Beziehungsgraphen der Kantenstruktur im Bild. Der zweite Algorithmus benutzt eine Statistik über die Kantenorientierungen im Bild um mit Hilfe einer rekursiven Methode ein rundes Objekt zu finden. Die in dieser Dissertation vorgestellten Ideen und Methoden wurden im humanoiden RoboCup-Team der Freien Universität Berlin, den FUmanoids, implementiert.