Dissertação

{en_GB=Autonomous Driving of Competition Robot: Localization and Environment Perception} {} EVALUATED

{pt=Com o objetivo de competir no desafio de Condução Autónoma do Festival Nacional de Robótica 2018, foi criado, implementado e testado um carro autónomo baseado num carro tele-comandado, incluindo o seu hardware e software. Dada a sua complexidade, a totalidade dos desafios da competição é apresentada em duas teses paralelas. No que respeita ao hardware, a presente tese foca-se na eletrónica do robô e nos módulos de software de localização e perceção do ambiente. Esta tese propõe uma abordagem diferente às técnicas tradicionais de seguir linhas. O robô está totalmente informado sobre o que o rodeia e em relação à sua localização absoluta. Embora a pista seja plana, i.e., sem paredes à volta, um novo algoritmo é desenvolvido para gerar paredes virtuais em torno das linhas da pista, permitindo a utilização de matrizes de ocupação recorrendo à Localização Monte Carlo. O mesmo algoritmo é capaz de identificar a pista e segmentá-la dos obstáculos existentes na mesma, permitindo a sua deteção. Para concluir, são também desenvolvidos os módulos necessários para o reconhecimento de semáforos e sinais de trânsito baseado em abordagens do estado da arte, nomeadamente, processamento de imagem e machine learning., en=With the objective of competing in the Autonomous Driving challenge of the Portuguese Robotics Open 2018, an autonomous mobile robot based on a remote-controlled car was entirely designed, implemented and tested, including its hardware and software. Given its broad scope, the full extent of the competition challenges is covered across two parallel theses. The present thesis focuses, on the hardware part, on the electronics of the robot and the localization and perception of the environment software modules. It proposes a different approach from traditional lane-following techniques. In the thesis approach, the robot is fully aware of its surroundings and about its absolute localization. Although the track is planar, i.e., without any surrounding walls, a novel algorithm is developed to generate virtual walls over the lines of the track enabling occupancy-grid based localization using Monte Carlo Localization. The same algorithm is capable of identifying the track and segment it from the present obstacles standing on it, allowing their detection. To conclude, the recognition of semaphores and traffic signs based on state-of-the-art approaches, namely, image processing and machine learning, are also developed.}
{pt=Condução Autónoma, Localização, Perceção do Ambiente, Robotics Operating System., en=Autonomous Driving, Localization, Perception of the Environment, Robotics Operating System.}

Novembro 19, 2018, 10:0

Orientação

ORIENTADOR

Pedro Manuel Urbano de Almeida Lima

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado