Exploring Machine Vision in Autonomous Mining Vehicles

Abstract

This study explores the application of machine vision in mobile robotics using Jetson Nano, ROS(Robot Operating System), RTAB-Map(Real-Time-Appearance-Based Mapping), and RVIZ to create a fully autonomous intelligent vehicle.

The work was done on the copy of AutoJoe autonomous mining robot Metropolia university has built as a project platform in collaboration with Oinride Oy. Using purpose-specific computer Jetson Nano with ROS and RTAB-Map with RVIZ as a visualization tool.

The resulting machine is capable of generating point-cloud maps of the surrounding environment and detecting obstacles and humans in particular. This demonstrates the potential these technologies hold in enhancing robotic perception and navigation capabilities of existing mining vehicles

Tässä tutkimuksessa tutkittiin konenäön soveltamista mobiilirobotiikassa käyttämällä Jetson Nanoa, ROS:ia (Robot Operating System), RTAB-Map:ia (Real-Time-Appearance-Based Mapping) kartoitusta ja RVIZ:iä täysin itsenäisen älykkään ajoneuvon luomiseksi.

Työ tehtiin AutoJoe-autonomisen kaivosrobotin kopiolle, jonka Metropolia oli rakentanut projektialustaksi opiskelijoille yhteistyössä Oinride Oy:n kanssa. Käyttämällä tarkoituskohtaista tietokonetta Jetson Nanoa ROS:n kanssa ja RTAB-Map:iä RVIZ:n kanssa visualisointityökaluna.

Projektin tuloksena oleva kone pystyi tuottamaan pistepilvikartan ympäröivästä ympäristöstä ja havaitsemaan staattiset ja dynaamiset esteet kuten ihmiset. Tämä osoittaa näiden teknologioiden potentiaalin parantaa olemassa olevien kaivosajoneuvojen robottihavainto- ja navigointiominaisuuksia.