This paper discusses a novel embedded system-on-chip 3D localization and mapping (eSoC-LAM) implementation, that followed a co-design approach with the primary aim of being deployed in a small system on a programmable chip (SoPC), the Intel’s (a.k.a Altera) Cyclone V 5CSEMA5F31C6N, available in the Terasic’s board DE1-SoC. This computer board incorporates an 800 MHz Dual-core ARM Cortex-A9 and a Cyclone V FPGA with 85k programmable logic elements and 4450 Kbits of embedded memory running at 50 MHz. We report experiments of the eSoC-LAM implementation using a Robosense’s 3D LiDAR RS-16 sensor in a Robotis’ TurtleBot2 differential robot, both controlled by a Terasic’s board DE1-SoC. This paper presents a comprehensive description of the designed architecture, design constraints, resource optimization, HPS-FPGA exchange of information, and co-design results. The eSoC-LAM implementation reached an average speed-up of 6.5× when compared with a version of the algorithm running in a the hard processor system of the Cyclone V device, and a performance of nearly 32 fps, while keeping high map accuracy.
7 September 2022 in Encuentro Internacional de Educación en Ingeniería
La utilización de las herramientas para desarrollo de aplicaciones robóticas y la integración con plataformas de inteligencia artificial se ha incrementado en entornos académicos y de investigación en los últimos años, tendencia creciente que siguen de cerca los entonos industriales que reclaman cada vez más la automatización e interconexión de sus procesos en lo que se ha denominado Industria 4.0. El Gobierno Nacional de Colombia, estableció el Pacto por la Transformación Digital del país en su Plan Nacional de Desarrollo 2018-2022, en el cual se incluye a la robótica y a la inteligencia artificial como parte de las tecnologías disruptivas capaces de potenciar de productividad tanto en el sector privado como en el público(Gobierno-Nacional, 2018). En este contexto, el Sistema Operativo para Robots (ROS - Robot Operating System) adquiere una importancia estratégica, siendo uno de los entornos de desarrollo de aplicaciones en robótica más utilizados de la actualidad. Dada la importancia de tales herramientas, y la urgente necesidad de profesionales expertos en estas áreas se creó, por iniciativa de un grupo de estudiantes, el semillero de investigación derivado de la rama estudiantil RAS – IEEE (Robotic & Automation Society), en donde estudiantes de diferentes carreras y semestres aprenden las herramientas para desarrollo de aplicaciones sobre plataformas robóticas comerciales utilizadas a nivel industria y aplicaciones de inteligencia artificial orientas a robótica. El Semillero de investigación RAS - IEEE vincula actualmente estudiantes de Ingeniería Electrónica, Ingeniería Mecatrónica, Ingeniería Industrial, Ingeniería de Sistemas y Ciencia de Datos. Para lograr los objetivos del semillero tanto en formación como en generación de conocimiento, se establece un trabajo basado en proyectos semestrales que construyan cuerpo de conocimiento en las áreas de robótica e inteligencia artificial y en segunda instancia, un modelo de formación mediante un programa de mentorías para ayudar la transición de los nuevos miembros al aprendizaje y uso de las herramientas. El presente artículo discute los retos de la creación del semillero de investigación e impactos positivos observados a lo largo de cuatro semestres de trabajo, así como proyecciones futuras y recomendaciones.