Análise comparativa de tecnologias de navegação indoor para robótica móvel na Indústria 4.0 Brasileira: UWB, LiDAR e visual SLAM
DOI:
https://doi.org/10.34117/bjdv12n2-079Keywords:
navegação indoor, UWB, LiDAR, visual SLAM, sensoresAbstract
A operação de Robôs Móveis Autônomos (AMRs) em ambientes desprovidos de sinal GNSS (GNSS-denied) ou ambientes fechados (indoor) é um desafio crítico para a consolidação da Indústria 4.0 e da Agricultura de Precisão no Brasil. Embora tecnologias de localização baseadas em laser e visão computacional sejam predominantes, sua implementação impõe barreiras significativas de custo e consumo energético. Este artigo apresenta uma análise comparativa entre três tecnologias de navegação: Light Detection and Ranging (LiDAR), Visual Simultaneous Localization and Mapping (Visual SLAM) e Ultra-Wideband (UWB). O estudo avalia a viabilidade de implementação sob a ótica da eficiência energética, requisitos de processamento embarcado (compatibilidade com microcontroladores de baixo custo) e conformidade com o marco regulatório nacional (normas da ANATEL e LGPD). A análise conclui que, enquanto o LiDAR e o V-SLAM oferecem superioridade em mapeamento e semântica, o UWB apresenta a melhor relação de eficiência energética e custo-benefício para a escalabilidade de frotas industriais, respeitando as restrições de hardware e legislação locais.
References
BRASIL. Agência Nacional de Telecomunicações. Resolução nº 680, de 27 de junho de 2017. Aprova o Regulamento sobre Equipamentos de Radiocomunicação de Radiação Restrita. Brasília, 2017.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Brasília, 2018.
CHEN, C.; LIN, F.; LIN, C. The Energy Efficiency Multi-Robot System and Disinfection Service Robot Development in Large-Scale Complex Environment. Sensors, 23, 2023.
https://doi.org/10.3390/s23125724.
CHEN, Z.; XU, A.; SUI, X.; WANG, C.; WANG, S.; GAO, J.; SHI, Z. Improved-UWB/LiDAR-SLAM Tightly Coupled Positioning System with NLOS Identification Using a LiDAR Point Cloud in GNSS-Denied Environments. Remote Sensing, 14, 2022.
https://doi.org/10.3390/rs14061380.
DESHMUKH, R.; HASAMNIS, M.; BK, M.; BHAIYYA, M. Advancing indoor positioning systems: innovations, challenges, and applications in mobile robotics. Robotica, 43, 2025.
https://doi.org/10.1017/S0263574725101872.
INTERNATIONAL ELECTROTECHNICAL COMMISSION. IEC 60825-1: Safety of laser products – Part 1: Equipment classification and requirements. 3. ed. Geneva: IEC, 2014.
LIU, Y.; JIAN, Z.; ZHENG, S.; LIU, H.; WANG, X.; CHEN, X.; LIANG, B. Range-SLAM: Ultra-Wideband-Based Smoke-Resistant Real-Time Localization and Mapping. arXiv preprint, 2024.
https://doi.org/10.48550/arXiv.2409.09763.
YANIK, Ö.; ILGIN, H. A comprehensive computational cost analysis for state-of-the-art visual SLAM methods for autonomous mapping. Communications Faculty of Sciences University of Ankara Series A2-A3 Physical Sciences and Engineering, 65, 2023.
https://doi.org/10.33769/aupse.1195379.
YANG, M.; SUN, X.; JIA, F.; RUSHWORTH, A.; DONG, X.; ZHANG, S.; FANG, Z.; YANG, G.; LIU, B. Sensors and Sensor Fusion Methodologies for Indoor Odometry: A Review. Polymers, 14, 2022.
https://doi.org/10.3390/polym14102019.
ZHAO, S. Super Odometry: A Robust LiDAR-Visual-Inertial Estimator for Challenging Environments. 2024. Tese (Mestrado em Robótica) – Carnegie Mellon University, Pittsburgh, 2024.
