Η παρούσα διπλωματική εργασία ασχολείται με την εφαρμογή του φίλτρου Kalman
και του φίλτρου σωματιδίων στο πρόβλημα παρακολούθησης ενός σφαιρικού στόχου
στον τρισδιάστατο χώρο από έναν ρομποτικό βραχίονα. Σκοπός της εργασίας είναι η
σύγκριση της αποτελεσματικότητας και της αποδοτικότητας των δύο στοχαστικών
μεθόδων, ειδικά για την περίπτωση στην οποία το σφαιρικό αντικείμενο εκτελεί
κίνηση με ελιγμούς. Στα πρώτα τέσσερα κεφάλαια της εργασίας γίνεται μία
θεωρητική προσέγγιση των τεχνικών οπτικής οδήγησης, καθώς και των δύο
στοχαστικών μεθόδων και δίνεται μία αναλυτική μαθηματική περιγραφή του
συγκεκριμένου προβλήματος. Η εργασία περιλαμβάνει και την πρακτική περιγραφή
της διαφορετικής συμπεριφοράς των αλγορίθμων με τη σχεδίαση και υλοποίηση μίας
εφαρμογής προσομοίωσης σε περιβάλλον MATLAB. Στο πέμπτο κεφάλαιο
παρουσιάζονται τα αποτελέσματα της προσομοίωσης αυτής και εξάγονται τα βασικά
συμπεράσματα αναφορικά με τη συγκριτική επίδοση των δύο αλγορίθμων.
This diploma thesis deals with the problem of 3D space tracking of a spherical object
by a robotic manipulator, using Kalman filter and Particle filter techniques. Both the
effectiveness and the efficiency of these two stochastic state-estimator methods are
assessed and then compared to each other, especially in the case of target
maneuvering motion. The first four chapters of this thesis present the theoretical
approach of the tracking problem, including the mathematical formulation of robot
visual servoing techniques, as well as the two considered (parametric and nonparametric)
stochastic state estimation methodologies. Moreover, a detailed
mathematical description of the specific tracking problem is presented. This diploma
thesis also describes in detail the practical implementation of the different stochastic
algorithms in a full object tracking simulation in MATLAB programming
environment. Chapter 5 presents the numerical results of this simulation, based on
which conclusions are drawn regarding the comparative performance, the advantages
and disadvantages of the two methods.