Módulo de auto-localização para um agente exploratório usando Filtro de Kalman
Autor(a) principal: | |
---|---|
Data de Publicação: | 2003 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/26953 |
Resumo: | Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado, com e sem marcas de Kalman, e o erro médio da posição do robô durante todo o processo exploratório. |
id |
URGS_0fa46797ea6499d6d660c70da4a5cc3a |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/26953 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Machado, Karla FedrizziEngel, Paulo MartinsIdiart, Marco Aurelio Pires2010-12-16T04:19:14Z2003http://hdl.handle.net/10183/26953000759938Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado, com e sem marcas de Kalman, e o erro médio da posição do robô durante todo o processo exploratório.Build a robot capable of performing tasks without any human interference is one of the biggest challenges of the Mobile Robotics. Having only sensors, an autonomous robot needs to explore unknown environments and, simultaneously, build a reliable map in order to get its own location and perform the task. In the presence of odometry errors, the robot is not capable of establish its own position on its internal map and ends up building a deformed map that does not reflect reality. This paper presents a solution for the problem of self-localization of autonomous mobile robots. This solution uses a linear method for calculating estimatives called Kalman Filter to correct the robot's position on its internal mapping of the environment while exploring. The proposal considers that any being that moves in an environment always counts on having some reference points to establish its own position. This points are implemented as special objects called Kalman landmarks. In simulation, the recognition of such landmarks can be done in two different ways: through its position on the map or through its identity. In the experiments performed in simulations, the method is tested for different errors in the robot's inclination angle. The results are compared considering the deformations on the generated map, with and without the Kalman landmarks, and the average error of the robot's position during the exploratory process.application/pdfporInteligência artificialRedes neuraisRobóticaMapa : NavegaçãoControle : TrajetóriaExploratory navigationEnvironment mappingKalman filterMobile robotSelf-localizationMódulo de auto-localização para um agente exploratório usando Filtro de KalmanSelf-localization module for exploratory agent using kalman filter info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2003mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000759938.pdf.txt000759938.pdf.txtExtracted Texttext/plain124805http://www.lume.ufrgs.br/bitstream/10183/26953/2/000759938.pdf.txte70441ebfaf2061b6c7def2bc9c0271cMD52ORIGINAL000759938.pdf000759938.pdfTexto completoapplication/pdf1808200http://www.lume.ufrgs.br/bitstream/10183/26953/1/000759938.pdf4667c0eb6020c8b8f13a63a946eab145MD51THUMBNAIL000759938.pdf.jpg000759938.pdf.jpgGenerated Thumbnailimage/jpeg1061http://www.lume.ufrgs.br/bitstream/10183/26953/3/000759938.pdf.jpg0c151d9d38db8ccef45074c6d69c7a13MD5310183/269532018-10-08 09:30:57.492oai:www.lume.ufrgs.br:10183/26953Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-08T12:30:57Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Módulo de auto-localização para um agente exploratório usando Filtro de Kalman |
dc.title.alternative.en.fl_str_mv |
Self-localization module for exploratory agent using kalman filter |
title |
Módulo de auto-localização para um agente exploratório usando Filtro de Kalman |
spellingShingle |
Módulo de auto-localização para um agente exploratório usando Filtro de Kalman Machado, Karla Fedrizzi Inteligência artificial Redes neurais Robótica Mapa : Navegação Controle : Trajetória Exploratory navigation Environment mapping Kalman filter Mobile robot Self-localization |
title_short |
Módulo de auto-localização para um agente exploratório usando Filtro de Kalman |
title_full |
Módulo de auto-localização para um agente exploratório usando Filtro de Kalman |
title_fullStr |
Módulo de auto-localização para um agente exploratório usando Filtro de Kalman |
title_full_unstemmed |
Módulo de auto-localização para um agente exploratório usando Filtro de Kalman |
title_sort |
Módulo de auto-localização para um agente exploratório usando Filtro de Kalman |
author |
Machado, Karla Fedrizzi |
author_facet |
Machado, Karla Fedrizzi |
author_role |
author |
dc.contributor.author.fl_str_mv |
Machado, Karla Fedrizzi |
dc.contributor.advisor1.fl_str_mv |
Engel, Paulo Martins |
dc.contributor.advisor-co1.fl_str_mv |
Idiart, Marco Aurelio Pires |
contributor_str_mv |
Engel, Paulo Martins Idiart, Marco Aurelio Pires |
dc.subject.por.fl_str_mv |
Inteligência artificial Redes neurais Robótica Mapa : Navegação Controle : Trajetória |
topic |
Inteligência artificial Redes neurais Robótica Mapa : Navegação Controle : Trajetória Exploratory navigation Environment mapping Kalman filter Mobile robot Self-localization |
dc.subject.eng.fl_str_mv |
Exploratory navigation Environment mapping Kalman filter Mobile robot Self-localization |
description |
Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado, com e sem marcas de Kalman, e o erro médio da posição do robô durante todo o processo exploratório. |
publishDate |
2003 |
dc.date.issued.fl_str_mv |
2003 |
dc.date.accessioned.fl_str_mv |
2010-12-16T04:19:14Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/26953 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000759938 |
url |
http://hdl.handle.net/10183/26953 |
identifier_str_mv |
000759938 |
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.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/26953/2/000759938.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/26953/1/000759938.pdf http://www.lume.ufrgs.br/bitstream/10183/26953/3/000759938.pdf.jpg |
bitstream.checksum.fl_str_mv |
e70441ebfaf2061b6c7def2bc9c0271c 4667c0eb6020c8b8f13a63a946eab145 0c151d9d38db8ccef45074c6d69c7a13 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085190095077376 |