EKF e FastSLAM com base em landmarks naturais e artificiais, aplicados a robôs de serviço [recurso eletrônico]
César Bastos da Silva
DISSERTAÇÃO
Português
T/UNICAMP Si38e
[EKF and FasSLAM based on natural and artficial landmarks, applied to service robots]
Campinas, SP : [s.n.], 2023.
1 recurso online (84 p.) : il., digital, arquivo PDF.
Orientador: Eric Rohmer
Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação
Resumo: Atualmente, o número de robôs inseridos no dia a dia das pessoas vem crescendo exponen- cialmente, desde assistentes digitais até robôs aspiradores, entre outros. Para as diferentes tarefas diárias, centros de pesquisa estão desenvolvendo soluções robóticas e autônomas. Esses robôs...
Ver mais
Resumo: Atualmente, o número de robôs inseridos no dia a dia das pessoas vem crescendo exponen- cialmente, desde assistentes digitais até robôs aspiradores, entre outros. Para as diferentes tarefas diárias, centros de pesquisa estão desenvolvendo soluções robóticas e autônomas. Esses robôs normalmente possuem a capacidade de se locomover pelo ambiente, e para que eles tenham autonomia para realizar essas tarefas sozinhos, é necessário o desenvolvimento de um sistema de localização e mapeamento (SLAM) confiável e preciso. A resolução do problema de SLAM começa com a escolha dos sensores adequados, levando em consideração a capacidade computacional que o robô pode proporcionar. Portanto, é possível escolher diferentes abordagens para solucionar esse problema, sendo uma delas o método baseado em pontos de interesse (landmarks), onde pontos normalmente fixos, artificiais ou naturais são encontrados e auxiliam na estimação da localização do robô. Entre os principais algoritmos, podemos destacar algoritmos probabilísticos baseados no filtro de Bayes, o Extended Kalman Filter (EKF) SLAM e o FastSLAM, que são dois algoritmos baseados em Filtros de Kalman, estimando a localização como processos estocásticos. O EKF-SLAM utiliza a distribuição de probabilidade esperada, estado anterior e informações do sensor para definir a distribuição seguinte. Já o FastSLAM fatora sua solução, utilizando o filtro de partículas para definir sua próxima estimação e filtros de Kalman individuais para cada ponto de interesse, gerando menor custo computacional. Portanto, este trabalho propõe aplicar os métodos de EKF-SLAM e FastSLAM baseados em landmarks naturais e artificiais, visando reduzir a influência dos ruídos inerentes do sensores, que são o problema da localização robótica. Como validação, será utilizado um método baseado em marcadores ArUco como ponto de referência para comparação, juntamente com a localização prévia dos landmarks. Os algoritmos serão avaliados de maneira qualitativa, análise da trajetória realizada, elipses de erro e mapa gerado, e quantitativamente relacionando o erro ao número de landmarks
Ver menos
Abstract: Currently, the number of robots integrated into people’s daily lives is growing exponentially, from digital assistants to vacuuming robots, among others. For various daily tasks, research centers are developing robotic and autonomous solutions. These robots typically have the ability to...
Ver mais
Abstract: Currently, the number of robots integrated into people’s daily lives is growing exponentially, from digital assistants to vacuuming robots, among others. For various daily tasks, research centers are developing robotic and autonomous solutions. These robots typically have the ability to move around the environment, and in order for them to have the autonomy to perform these tasks on their own, a reliable and accurate Simultaneous Localization and Mapping (SLAM) system needs to be developed. Solving the SLAM problem starts with choosing suitable sensors, taking into account the computational capacity the robot can provide. Therefore, it is possible to choose different approaches to solve this problem, one of which is the method based on landmarks, where fixed, artificial, or natural points of interest are found and aid in estimating the robot’s location. Among the main algorithms, we can highlight probabilistic algorithms based on the Bayes filter, such as Extended Kalman Filter (EKF) SLAM and FastSLAM, which are two algorithms based on Kalman Filters, estimating the location as stochastic processes. EKF-SLAM uses the expected probability distribution, the previous state, and sensor information to define the subsequent distribution. On the other hand, FastSLAM factors its solution using a particle filter to determine its next estimation and individual Kalman filters for each landmark, resulting in lower computational cost. Therefore, this work proposes to apply the methods of EKF-SLAM and FastSLAM based on natural and artificial landmarks, aiming to solve the problem of robotic localization. As validation, a method based on ArUco markers will be used as a reference for comparison, along with the previous localization of the landmarks. The algorithms will be evaluated qualitatively by analyzing the performed trajectory, error ellipses, and generated map, and quantitatively by relating the error to the number of landmarks
Ver menos
Requisitos do sistema: Software para leitura de arquivo em PDF
EKF e FastSLAM com base em landmarks naturais e artificiais, aplicados a robôs de serviço [recurso eletrônico]
César Bastos da Silva
EKF e FastSLAM com base em landmarks naturais e artificiais, aplicados a robôs de serviço [recurso eletrônico]
César Bastos da Silva