FenixEdu™

Dissertação

{pt_PT=Sistema de Navegação para Robot Móvel com Filtros de Kalman} {} EVALUATED

Detalhes: {pt=O estudo realizado no âmbito desta Tese de Mestrado centra-se no desenvolvimento de um sistema de navegação para um robot móvel terrestre para que este seja capaz de seguir de forma autónoma um percurso predefinido. Este trabalho reúne informação relativa ao Estado da Arte na temática dos filtros de Kalman e sistemas de navegação, são descritos os algoritmos desenvolvidos e métodos de implementação e são apresentados os resultados relevantes da aplicação deste sistema. Este controlo utiliza os sensores deste robot (IMU, GPS e odometria) e processa a informação em Matlab e C# num PC, utilizando redes Wireless para comunicação. A informação dos sensores odométricos é combinada para estimativa da posição instantânea do robot e é determinado o erro relativamente à posição obtida pelo GPS. Este erro é filtrado com filtros de Kalman lineares e reintroduzido na estimativa de posição. É assim possível estabelecer um equilíbrio entre os dados de várias fontes (com os erros e ruído associados a cada uma) e aproveitar as potencialidades de previsão dos filtros de Kalman. O objetivo é realizar uma estimativa discreta ótima da posição instantânea do robot. Esta posição é depois utilizada na navegação automática do robot, que se pretende o mais certa possível. Esta navegação baseia-se num programa de demonstração fornecido com o robot mas é descrita e ajustada para melhorar o processo. Testes de avaliação que ilustram a capacidade do robot percorrer automaticamente um percurso predefinido são apresentados confirmando a validade do trabalho e o funcionamento dos algoritmos., en=The study in this Master’s Thesis focuses on the development of a navigation system for a terrestrial mobile robot for it to be able to move autonomously through a default route. This work gathers information about the State of the Art of Kalman filters and navigation systems. The developed algorithms and implementation methods are described and the relevant application results of this system are presented. This control uses the sensors in the robot (IMU, GPS and odometry) and performs information processing in Matlab and C# on a PC using Wireless networks for communication. The information from the odometric sensors is combined to estimate the actual position of the robot and it is determined the error between this position and the GPS position. This error is filtered with linear Kalman filters and is returned to the estimated position. It is thus possible to balance the data from various sources (with the errors and noises associated to each one) and take advantage of the predictive capabilities of the Kalman filter. The objective is to obtain an optimal discreet estimation of the robot’s actual position. This position is then used for the automatic navigation of the robot, which is intended to be as correct as possible. This navigation is based on a demonstration program provided with the robot but is described and adjusted to improve the process. Evaluation tests which illustrate the robot’s ability to automatically travel through a predefined path are presented confirming the work’s validity and the operation of the algorithms.}
Keywords: {pt=navegação autónoma, filtro de Kalman, estimativa de posição, filtragem de ruído, sensores de movimento, en=autonomous navigation, Kalman filters, estimated position, noise filtering, motion sensors}

Discussão: novembro 21, 2016, 10:30