Dissertação

Efficient path planning of a mobile robot on rough terrain EVALUATED

A maior parte dos métodos que resolvem problemas de planeamento de trajectória dividem o ambiente em duas áreas -- livre e ocupada -- e restringem a trajectória às áreas livres do mapa. A proposta de tese dirige-se à resolução de problemas de planeamento de trajectória em terrenos irregulares considerando as propriedades locais. O cálculo da factibilidade e do custo associado com determinada trajectória resulta da adaptação física do robô ao terreno a um problema de optimização. Este problema modela a situação em que o robô é largado sob uma certa posição (x, y) e a sua pose de menor energia potencial fica determinada pela sua posição sob a superfície. Depois de desenvolvermos a técnica que permite avaliar a transversibilidade do terreno, procedemos ao cálculo da trajectória. Processando todo o terreno mapeado, e após a determinação deste custo e factibilidade, utilizamos Fast Marching Method e conseguimos obter um campo potencial sem mínimos locais. Este campo potencial tanto pode ser posteriormente utilizado para pré-determinar uma trajectória completa até à posição final como para controlar em tempo real a locomoção do robô. Experimentando com Rapidly-exploring Random Trees (RRTs) para resolver o mesmo problema, só são necessárias processar as coordenadas dos nós gerados. É um método computacionalmente mais leve mas, não garante que o caminho dele resultante seja óptimo. Os resultados obtidos a partir do FMM podem ser utilizados para controlo do veiculo e apresentam trajectórias óptimas, e os resultados extraídos do RRT apresentam apenas um caminho possivel de ser percorrido pelo robô.
planeamento de trajectória, Fast Marching Method (FMM), Rapidly-exploring Random Trees (RRT), terreno acidentado, veiculo autónomo, UGV

novembro 21, 2014, 16:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rodrigo Martins de Matos Ventura

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar