Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel

1. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel • Claudia Patricia Ochoa Díaz • Mestrado em Sistemas Mecatrônicos • UnB-2008

2. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel JUSTIFICATIVA • Um dos aspectos onde têm sido concentrados maiores esforços nas ultimas duas décadas de pesquisa é o problema da autonomia do robô móvel. • Para garantir a autonomia na etapa de navegação do robô é necessário que este conheça • bastante bem seu ambiente de trabalho assim como a localização dentro dele em todo momento. Portanto, a localização e o mapeamento convertem-se em uma parte fundamental para resolver o problema de autonomia. • A Robótica Probabilística é uma subárea da robótica que tem como base teórica as técnicas estatísticas para representar informação e tomar decisões. Tem como objetivo procurar a melhor representação das incertezas próprias do ambiente de trabalho onde o robô está inserido. • Os trabalhos feitos anteriormente com a plataforma NOMAD XR4000 no laboratório do • GRACO abordaram os problemas de localização, mapeamento e navegação com outros tipos de técnicas diferentes às probabilísticas, dando um ponto de partida para a implementação deste tipo de abordagem como solução alternativa.

3. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel PRELIMINAR • Crença do Estado /Conhecimento/:distribuição de probabilidade condicional que atribui uma probabilidade a cada possível hipótese relacionada com o estado real do robô. • Filtro Bayesiano: a técnica mais utilizadas para calcular a crença do estado a partir de medidas e das entrada de controle. • Modelo de movimento: é a probabilidade de transição de estado. • Modelo de medida: probabilidade de obter uma medida dado um estado.

4. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel LOCALIZAÇÃO Filtro de Kalman Filtro de Kalman Estendido Representação da Crença do Estado FILTRO BAYESIANO Filtro de Partículas Etapa de Predição Localização de Monte Carlo Etapa de Atualização de Medida

5. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel Filtro de Kalman Estendido

6. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel Filtro de Partículas Conjunto de partículas

7. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel Filtro de Partículas

8. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel Filtro de Partículas

9. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel MAPEAMENTO Baseado em Posição (LocalizationBased) Mapeamento Baseado em Features (FeaturesBased)

10. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel Mapeamento Baseado em Posição Técnicas utilizadas: Células de Ocupação

11. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel Mapeamento Baseado em Features Extração de Linhas

12. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel SLAM m j X k+2 Z k,i U k+2 X k+1 X k U k+1 U k Z k-1,i Estimado Robô m i Real

13. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel SLAM LOCALIZAÇÃO MAPEAMENTO SLAM EKFSLAM FastSLAM

14. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel ARQUITETURA PROPOSTA Estimação da Postura Codificadores Mapa Global Inicial Estimação Postura Global Atualização de Mapa Mapa Local Extração de Features Medidas

15. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel ARQUITETURA PROPOSTA O problema de Localização e Mapeamento Simultâneo ,SLAM, é um problema de mapeamento baseado em features onde o robô deve executar uma estimação de sua postura e corrigir lha por meio de uma etapa de correspondência entre o mapa local gerado nesse instante e o mapa global obtido em uma iteração anterior. Se existir correspondência, as features já detectadas serão atualizadas, assim como a postura, que está referenciada no sistema global de coordenadas. De esta maneira o robô obtém uma informação de sua posição dentro do mapa global gerado.

16. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel OBJETIVOS • OBJETIVO GERAL • Desenvolver uma arquitetura de localização e mapeamento mediante a aplicação de algoritmos • probabilísticos de estimação, validando estes na plataforma móvel Nomad XR4000. • OBJETIVOS ESPECÍFICOS • Realizar um estudo comparativo das principais características dos algoritmos de localização e • mapeamento EKF e FastSLAM. • Implementar uma técnica de mapeamento baseada em features com correspondência • para um ambiente interno. • Validar a técnica de localização e mapeamento escolhida na plataforma móvel XR4000 . • Implementar uma arquitetura de localização e mapeamento simultâneo para ambientes • internos por meio da integração das técnicas de localização e mapeamento validadas na • etapa anterior.

17. Técnicas Probabilísticas de Localização e Mapeamento aplicadas à Robótica Móvel