Auto-localização de uma cadeira de rodas motorizada utilizando fusão sensorial da odometria e do giroscópio
Self-location of a power wheelchair using sensory fusion of odometry and gyroscope
DOI:
https://doi.org/10.34117/bjdv8n9-091Keywords:
localização, robótica móvel, fusão de dados, filtro de kalman estendido, dead reckogningAbstract
No quesito navegação de robôs móveis em ambientes internos, um dos maiores problemas encontrados é a obtenção correta da localização do robô. Dentre os diferentes métodos existentes, há poucos que são satisfatórios para assegurar uma navegação correta por acumular erros, como o caso da dead reckoning ou emprego de sensores inerciais, ou pela limitação e imprecisão quando se trata de ambientes internos como no caso do GPS. O presente trabalho traz a implementação da fusão dos dados da dead reckoning e giroscópio para estimar a orientação de um robô móvel, utilizando o Filtro de Kalman Estendido (EKF) em uma plataforma robótica real, a fim de comparar o resultado da localização obtida com a fusão e com a dead reckoning. Para análise dos resultados, foi utilizado um sistema de localização por imagem, testado e validado, para fornecer a localização real do robô.
References
Barshan, B. and Durrant-Whyte, H. (1995). Inertial navigation systems for mobile robots. IEEE Transactions on Robotics and Automation, Vol. 11, No. 3, pp. 328-342.
Borenstein, J.; Everett, H. R.; Feng, L. and Wehe, D. (1997). Mobile robot positioning: Sensors and techniques, Journal of Robotic Systems, Vol. 14, No. 4, pp. 231-249.
Chenavier, F. and Crowley, J. L. (1992). Position estimation for a mobile robot using vision and odometry. Proceedings - IEEE International Conference on Robotics and Automation, 1992, Vol. 3, pp. 2588-2593.
Chong, K. and Kleeman, L. (1997). Accurate odometry and error modelling for a mobile robot. Proceedings - IEEE International Conference on Robotics and Automation, Vol. 4, pp. 2783-2788.
Fierro, R. and Lewis, F.L. (1998). Control of a nonholonomic mobile robot using neural networks, IEEE Transactions on Neural Networks, Vol. 9, No. 4, pp. 589-600.
Ganganath, N. and Leung, H. (2012). Mobile robot localization using odometry and kinect sensor. 2012 IEEE International Conference on Emerging Signal Processing Applications (ESPA), pp. 91-94.
Houshangi, N.; Azizi, F. (2006) Mobile robot position determination using data integration of odometry and gyroscope. IEEE 2006 Wold Automation Congress, pp. 1-8.
Jiang, Z .P. and Nijmeijer, H. (1997). Tracking control of mobile robots: a case study in backstepping. Automatica, Vol. 33, No. 7, pp. 1393–1399.
Kukao, T.; Nakagawa, H. and Adachi, N. (2000). Adaptive tracking control of a nonholonomic mobile robot. IEEE Transactions on Robotics and Automation, Vol. 16, No. 5, pp. 609–615.
Lategahn, J., Kuenemund, F., and Roehrig, C. (2010). Mobile robot localization using wlan, odometry and gyroscope data. International Journal of Computing, Vol. 9, No. 1, pp. 22-30.
Pimentel, L. S. S.; Cuadros, M. A. S.; Amaral, R. P. and Gamarra, D. F. T. (2015). Development of a mobile robotics platform for navigation tasks using image processing. In Computer Science and Applications: Proceedings of the 2014 Asia-Pacific Conference on Computer Science and Applications (CSAC 2014), pp. 457-463.
Rigatos, G. (2012). Nonlinear Kalman Filters and Particle Filters for integrated navigation of unmanned aerial vehicles. Robotics and Autonomous Systems, Vol. 60, No. 7, pp. 978-995.
Sukkarieh, S.; Nebot, E. and Durrant-Whyte, H. (1999). A high integrity IMU/GPS navigation loop for autonomous land vehicle applications. IEEE Transactions on Robotics and Automation, Vol. 15, No. 3, pp. 572-578.
Tommasi, E. E. V; Faria, H. G.; Cuadros, M. A. S.; Almeida, M. A.; Resende, C. Z. and Gamarra, D. F. T. (2015). Estudo comparativo de controladores de seguimento de trajetória para robôs de tração diferencial: fuzzy, ganhos fixos e backstepping. In: Simpósio Brasileiro de Automação Inteligente.
Welch, G. and Bishop, G. (1995). An introduction to the Kalman filter. Department of Computer Science, University of North Carolina. [online] Available at: http://byron.soe.ucsc.edu/projects/SeaSlug/Documents/Publications/Kalman%20Filtering/An%20Introduction%20to%20the%20Kalman%20Fiter2.pdf [Accessed 12 Jan. 2017].
Ye J. (2008). Tracking control for nonholonomic mobile robots: integrating the analog neural network into the backstepping technique, Neurocomputing, Vol. 71, No. 16, pp. 3373-3378.
