Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2006 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do ITA |
Texto Completo: | http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=228 |
Resumo: | Nesta tese é apresentado um Filtro de Partículas Aperfeiçoado para o rastreamento de postura de robôs móveis utilizando odometria e leituras ambientais laser. O método consiste em realizar um predição da postura do robô utilizando o modelo cinemático (odométrico) para, com a postura predita, eliminar o clutter utilizando-se de janelas de validação. Com a Range-Weighted Hough Transform associada a um método de mínimos quadrados, obtêm-se, então, os parâmetros do modelo de observações que,subsequentemente, serão utilizados para atualizar a postura predita. As observações são assimiladas pelo algoritmo de estimação de postura que utiliza um método de amostragem por importância com reamostragem (ISIR) ou filtro de Partículas. O filtro proposto utiliza uma função de importância localmente otimizada e reamostragem de mínima variância para combater a degeneração de partículas, e um passo de movimento MCMC para restaurar a diversidade amostral perdida depois da reamostragem. Os resultados experimentais foram obtidos utilizando-se dados simulados e reais. O desempenho do filtro foi comparado com o filtro Bootstrap e filtro Estendido de Kalman. Para os dados simulados, as curvas de erro quadrático médio foram comparadas ao Limite Inferior de Cramér-Rao Posterior (PCRLB). Para os dados reais um erro médio temporal, baseado em uma trajetória de referência, foi estimado. Adicionalmente, também foram medidos os respectivos tempos de processamento dos algoritmos com diferentes números de partículas. Os resultados mostram que o filtro proposto obteve melhores desempenhos que os filtros Bootstrap e Estendido de Kalman. Mais ainda, devido ao seu bom desempenho com número reduzido de partículas, o filtro de Partículas Aperfeiçoado apresentou um tempo de processamento que possibilita implementação prática em cenários realísticos. |
id |
ITA_314c01dcdf9b83bf3dd72870d93fbede |
---|---|
oai_identifier_str |
oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:228 |
network_acronym_str |
ITA |
network_name_str |
Biblioteca Digital de Teses e Dissertações do ITA |
spelling |
Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis.Método de Monte CarloDinâmica de robôsAlgoritmosEstimaçãoMétodos dos mínimos quadradosRobóticaEngenharia eletrônicaNesta tese é apresentado um Filtro de Partículas Aperfeiçoado para o rastreamento de postura de robôs móveis utilizando odometria e leituras ambientais laser. O método consiste em realizar um predição da postura do robô utilizando o modelo cinemático (odométrico) para, com a postura predita, eliminar o clutter utilizando-se de janelas de validação. Com a Range-Weighted Hough Transform associada a um método de mínimos quadrados, obtêm-se, então, os parâmetros do modelo de observações que,subsequentemente, serão utilizados para atualizar a postura predita. As observações são assimiladas pelo algoritmo de estimação de postura que utiliza um método de amostragem por importância com reamostragem (ISIR) ou filtro de Partículas. O filtro proposto utiliza uma função de importância localmente otimizada e reamostragem de mínima variância para combater a degeneração de partículas, e um passo de movimento MCMC para restaurar a diversidade amostral perdida depois da reamostragem. Os resultados experimentais foram obtidos utilizando-se dados simulados e reais. O desempenho do filtro foi comparado com o filtro Bootstrap e filtro Estendido de Kalman. Para os dados simulados, as curvas de erro quadrático médio foram comparadas ao Limite Inferior de Cramér-Rao Posterior (PCRLB). Para os dados reais um erro médio temporal, baseado em uma trajetória de referência, foi estimado. Adicionalmente, também foram medidos os respectivos tempos de processamento dos algoritmos com diferentes números de partículas. Os resultados mostram que o filtro proposto obteve melhores desempenhos que os filtros Bootstrap e Estendido de Kalman. Mais ainda, devido ao seu bom desempenho com número reduzido de partículas, o filtro de Partículas Aperfeiçoado apresentou um tempo de processamento que possibilita implementação prática em cenários realísticos.Instituto Tecnológico de AeronáuticaMarcelo Gomes da Silva BrunoPaulo Roberto Araújo da Silva2006-03-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=228reponame:Biblioteca Digital de Teses e Dissertações do ITAinstname:Instituto Tecnológico de Aeronáuticainstacron:ITAporinfo:eu-repo/semantics/openAccessapplication/pdf2019-02-02T14:01:42Zoai:agregador.ibict.br.BDTD_ITA:oai:ita.br:228http://oai.bdtd.ibict.br/requestopendoar:null2020-05-28 19:32:42.827Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáuticatrue |
dc.title.none.fl_str_mv |
Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis. |
title |
Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis. |
spellingShingle |
Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis. Paulo Roberto Araújo da Silva Método de Monte Carlo Dinâmica de robôs Algoritmos Estimação Métodos dos mínimos quadrados Robótica Engenharia eletrônica |
title_short |
Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis. |
title_full |
Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis. |
title_fullStr |
Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis. |
title_full_unstemmed |
Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis. |
title_sort |
Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis. |
author |
Paulo Roberto Araújo da Silva |
author_facet |
Paulo Roberto Araújo da Silva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Marcelo Gomes da Silva Bruno |
dc.contributor.author.fl_str_mv |
Paulo Roberto Araújo da Silva |
dc.subject.por.fl_str_mv |
Método de Monte Carlo Dinâmica de robôs Algoritmos Estimação Métodos dos mínimos quadrados Robótica Engenharia eletrônica |
topic |
Método de Monte Carlo Dinâmica de robôs Algoritmos Estimação Métodos dos mínimos quadrados Robótica Engenharia eletrônica |
dc.description.none.fl_txt_mv |
Nesta tese é apresentado um Filtro de Partículas Aperfeiçoado para o rastreamento de postura de robôs móveis utilizando odometria e leituras ambientais laser. O método consiste em realizar um predição da postura do robô utilizando o modelo cinemático (odométrico) para, com a postura predita, eliminar o clutter utilizando-se de janelas de validação. Com a Range-Weighted Hough Transform associada a um método de mínimos quadrados, obtêm-se, então, os parâmetros do modelo de observações que,subsequentemente, serão utilizados para atualizar a postura predita. As observações são assimiladas pelo algoritmo de estimação de postura que utiliza um método de amostragem por importância com reamostragem (ISIR) ou filtro de Partículas. O filtro proposto utiliza uma função de importância localmente otimizada e reamostragem de mínima variância para combater a degeneração de partículas, e um passo de movimento MCMC para restaurar a diversidade amostral perdida depois da reamostragem. Os resultados experimentais foram obtidos utilizando-se dados simulados e reais. O desempenho do filtro foi comparado com o filtro Bootstrap e filtro Estendido de Kalman. Para os dados simulados, as curvas de erro quadrático médio foram comparadas ao Limite Inferior de Cramér-Rao Posterior (PCRLB). Para os dados reais um erro médio temporal, baseado em uma trajetória de referência, foi estimado. Adicionalmente, também foram medidos os respectivos tempos de processamento dos algoritmos com diferentes números de partículas. Os resultados mostram que o filtro proposto obteve melhores desempenhos que os filtros Bootstrap e Estendido de Kalman. Mais ainda, devido ao seu bom desempenho com número reduzido de partículas, o filtro de Partículas Aperfeiçoado apresentou um tempo de processamento que possibilita implementação prática em cenários realísticos. |
description |
Nesta tese é apresentado um Filtro de Partículas Aperfeiçoado para o rastreamento de postura de robôs móveis utilizando odometria e leituras ambientais laser. O método consiste em realizar um predição da postura do robô utilizando o modelo cinemático (odométrico) para, com a postura predita, eliminar o clutter utilizando-se de janelas de validação. Com a Range-Weighted Hough Transform associada a um método de mínimos quadrados, obtêm-se, então, os parâmetros do modelo de observações que,subsequentemente, serão utilizados para atualizar a postura predita. As observações são assimiladas pelo algoritmo de estimação de postura que utiliza um método de amostragem por importância com reamostragem (ISIR) ou filtro de Partículas. O filtro proposto utiliza uma função de importância localmente otimizada e reamostragem de mínima variância para combater a degeneração de partículas, e um passo de movimento MCMC para restaurar a diversidade amostral perdida depois da reamostragem. Os resultados experimentais foram obtidos utilizando-se dados simulados e reais. O desempenho do filtro foi comparado com o filtro Bootstrap e filtro Estendido de Kalman. Para os dados simulados, as curvas de erro quadrático médio foram comparadas ao Limite Inferior de Cramér-Rao Posterior (PCRLB). Para os dados reais um erro médio temporal, baseado em uma trajetória de referência, foi estimado. Adicionalmente, também foram medidos os respectivos tempos de processamento dos algoritmos com diferentes números de partículas. Os resultados mostram que o filtro proposto obteve melhores desempenhos que os filtros Bootstrap e Estendido de Kalman. Mais ainda, devido ao seu bom desempenho com número reduzido de partículas, o filtro de Partículas Aperfeiçoado apresentou um tempo de processamento que possibilita implementação prática em cenários realísticos. |
publishDate |
2006 |
dc.date.none.fl_str_mv |
2006-03-08 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.uri.fl_str_mv |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=228 |
url |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=228 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Tecnológico de Aeronáutica |
publisher.none.fl_str_mv |
Instituto Tecnológico de Aeronáutica |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do ITA instname:Instituto Tecnológico de Aeronáutica instacron:ITA |
reponame_str |
Biblioteca Digital de Teses e Dissertações do ITA |
collection |
Biblioteca Digital de Teses e Dissertações do ITA |
instname_str |
Instituto Tecnológico de Aeronáutica |
instacron_str |
ITA |
institution |
ITA |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáutica |
repository.mail.fl_str_mv |
|
subject_por_txtF_mv |
Método de Monte Carlo Dinâmica de robôs Algoritmos Estimação Métodos dos mínimos quadrados Robótica Engenharia eletrônica |
_version_ |
1706809255420493824 |