Robot motion control via EEG signals

Κοροβέσης, Νικόλαος

Έλεγχος κίνησης ρομποτικού οχήματος μέσω ηλεκτρο-εγκεφαλικών σημάτων

Διπλωματική εργασία

Author

Κοροβέσης, Νικόλαος

Date

2021-04

Advisor

Kandris, Dionisis

Διπλωματική Εργασία (3.625Mb)

Keywords

Ηλεκτροεγκεφαλογράφημα ; Νευρωνικά δίκτυα ; Διεπαφές εγκεφάλου-υπολογιστή ; Εγκεφαλικά κύματα ; Άλφα εγκεφαλικά κύματα ; Ρομπότ ; Έλεγχος ρομπότ ; Electroencephalography ; Neural networks ; Robot control

Abstract

The work presented in this thesis concerns the development of a system which performs motion control in a mobile robot in accordance to the eyes’ blinking of a human operator via a synchronous and endogenous Electroencephalography-based Brain-Computer Interface, which uses alpha brain waveforms. The received signals are filtered in order to extract suitable features. These features are fed as inputs to a neural network, which is properly trained in order to properly guide the robotic vehicle. Experimental tests executed, proved that the system developed is able to perform movements of the robotic vehicle, under control, in forward, left, backward and right direction according to the alpha brainwaves of its’ operator, with an overall accuracy equal to 92.1%.

Abstract

Σκοπός της διπλωματικής αυτής εργασίας είναι η ανάπτυξη ενός κινητού ρομποτικού συστήματος του οποίου οι κινήσεις ελέγχονται ανάλογα με το άνοιγμα/κλείσιμο των ματιών ενός χειριστή μέσω μιας σύγχρονης και ενδογενούς Διεπαφής Εγκεφάλου-Υπολογιστή, βασισμένης σε Ηλεκτροεγκεφαλογράφημα, η οποία χρησιμοποιεί τα άλφα εγκεφαλικά κύματα. Τα σήματα που καταγράφονται φιλτράρονται ανάλογα έτσι ώστε να εξαχθούν τα κατάλληλα χαρακτηριστικά. Τα χαρακτηριστικά αυτά εισάγονται σε ένα νευρωνικό δίκτυο, το οποίο εκπαιδεύεται ώστε να οδηγήσει το ρομποτικό όχημα επιτυχώς. Τα πειραματικά τεστ τα οποία διεξήχθησαν, απέδειξαν ότι το σύστημα που αναπτύχθηκε είναι ικανό να εκτελέσει τις κινήσεις του ρομποτικού οχήματος σε 4 κατευθύνσεις: ευθεία, όπισθεν, δεξιά και αριστερά, ανάλογα με τα άλφα εγκεφαλικά κύματα του χειριστή του συστήματος, με ακρίβεια της τάξης του 92.1%.