Sistema de localización autónoma para robots móviles basado en fusión de sensores propioceptivos
Palavras-chave:
Robótica, Localización, Fusión Sensorial, Robot Móvil, Localización de un Robot Móvil, Filtro de Kalman Extendido, Estimación de PosiciónResumo
El objetivo principal de este trabajo es desarrollar un sistema de localización autónomo capaz de entregar mejores estimaciones de posición en comparación a un sistema exclusivamente odométrico mediante un algoritmo de fusión sensorial. Un robot móvil recorre una trayectoria previamente programada para proporcionar datos sensoriales al sistema. Se define una arquitectura de fusión que trabaja con datos de odómetros, acelerómetros y giroscopio. El modelo de movimiento del robot, el modelo de medición y los datos sensoriales se fusionan empleando un filtro de Kalman extendido. Los resultados muestran que en todos los casos evaluados, el sistema registra una mejora del 38% en comparación a un sistema de localización determinístico estándar. Por otra parte, los datos revelan que la variable θ es la más influyente en el proceso. En conclusión, los resultados satisfacen el objetivo planteado, sin embargo, pueden ser mejorados incorporando sensores adicionales y ajustando las matrices de incertidumbre R y Q.Métricas do artigo
Resumo: 672 PDF (Español (España)): 1858Referências
S. Thrun, W. Burgard, y D. Fox. "Probabilistic Robotics". MIT press. Massachusetts, EEUU. 647p. 2006.
F. E. White. "Data fusion lexicon". The Joint Directors of Laboratories, Technical panel for C3 NOSC. 1991.
H. Boström, S. F. Andler, M. Brohede, R. Johansson, A. Karlsson, J. Van Laere, y T. Ziemke. "On the definition of information fusion as a field of research". University of Skövde, School of Humanities and Informatics. 2007.
J. R. Raol. "Multi-Sensor Data Fusion with MATLAB". CRC Press. Boca Raton, EEUU. 570p. 2010.
J. Z. Sasiadek, A. Monjazeb, y D. Necsulescu. "Navigation of an autonomous mobile robot using EKF-SLAM and FastSLAM". Control and Automation, 2008 16th Mediterranean Conference, IEEE, 517-522. 2008.
H. Zhou, y S. Sakane. "Sensor Planning for Mobile Robot Localization, A Hierarchical Approach Using a Bayesian Network and a Particle Filter". Robotics, IEEE Transactions on, 24(2), 481-487. 2008.
L. Teslic, I. Skrjanc, y G. Klancar. "EKF-based localization of a wheeled mobile robot in structured environments". Journal of Intelligent and Robotic Systems, 62(2), 187-203. 2011.
J. A. López. "Integración y fusión multisensorial en robots móviles autónomos". Tesis de Doctorado. Universidad Complutense de Madrid, España. 370p. 1998.
L. Marín. "Navegación de un robot móvil de configuración diferencial basada en fusión sensorial". Tesis de Maestría. Universidad Politécnica de Valencia. España. 84p. 2012.
R. Negenborn. "Robot localization and Kalman filters - On finding your position in a noisy world". Tesis de Maestría. Utrecht University. Holanda. 156p. 2003.
Khaleghi, B., Khamis, A., Karray, F. O., y Razavi, S. N. "Multisensor data fusion: A review of the state-of-the-art." Information Fusion. 2013.
Yoon, S. W., Park, S. B., & Kim, J. S. “Kalman Filter Sensor Fusion for Mecanum Wheeled Automated Guided Vehicle Localization”. Journal of Sensors. 2015.
Zhou, B., Qian, K., Fang, F., Ma, X., & Dai, X. “Multi-sensor fusion robust localization for indoor mobile robots based on a set-membership estimator”. In Cyber Technology in Automation, Control, and Intelligent Systems (CYBER), 2015 IEEE International Conference on (pp. 157-162). IEEE.
_
