Design methods for evaluation 3D space around the upper limb prosthesis

Tato práce se zabývá využitím ultrazvukových dálkových senzorů nainstalovaných na modelu myoelektrické protetické náhrady horní končetiny a návrhem metody vytvářející trojrozměrnou mapu okolí protetické náhrady. Na základě provedené rešerže týkající se robotického mapování byla pro modelování okolí protetické náhrady zvolena metoda založená na mřížce obsazenosti. Program implementovaný v prostředí Matlab rozděluje okolní prostor protetické náhrady do stejně velkých buněk, které uchovávají hodnotu pravděpodobnosti, že se na jejich místě nachází překážka. Senzorická měření jsou v reálném čase zpracovávána a podle získávaných dat jsou zmíněné pravděpodobnosti obsazenosti buněk průběžně aktualizovány podle Bayesovy věty. Ve vytvářené mapě lze pak identifikovat vzdálenosti nejbližších překážeka zaznamenávat, jak se jejich vzdálenost od paže mění v čase. Využití umělých neuronových sítí, pro jejichž aplikaci je použit Neural Network Toolbox v prostředí Matlab, umožní podle minulých hodnot vzdáleností získaných v předchozích časových krocích predikovat budoucí vzdálenost v následujícím časovém kroku. Toto by mohlo být základem antikolizního systému, který může řídící systém protetické náhrady upozornit na možnost srážky s objektem.This bachelor thesis is focused on utilization of ultrasonic range sensors which are installed on a model of myoelectric upper-limb prosthesis. The aim of the project is to design a method of creating three-dimensional map of proximate environment. The method of occupancy grid mapping was chosen to map the environment. Program implemented in Matlab divides the proximate environment of the prosthesis into cells of same size. Each cell holds the value of probability that the section of space allocated by the cell is occupied by any object. Sensory readings are utilized in real-time and used for updating occupancy probability of the cells using Bayes rule. Occupancy grid then enables identification of locations and distances of the closest objects to the prosthesis. It´s possible to determine, how these distances change in time. Utilization of artificial neural networks using Neural Network Toolbox in Matlab may predict future values of distances according to previous values measured in previous time-steps. The proposed system could be a part of anticollisional system, which may alert driving system of the prosthesis to prevent collisons with proximate objects