Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/3622
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2006_Deborah Silva Alves.pdf3,53 MBAdobe PDFVisualizar/Abrir
Título: Estimação de curvas polinomiais em sequência de imagens para navegação de robôs móveis
Outros títulos: Polinomial curves estimation in image sequences to mobile robot navigation
Autor(es): Alves, Deborah Silva
Orientador(es): Borges, Geovany Araújo
Assunto: Mecatrônica
Robôs móveis
Visão por computador
Data de publicação: Out-2006
Referência: ALVES, Deborah Silva. Estimação de curvas polinomiais em sequência de imagens para navegação de robôs móveis. 2006. 90 f. Dissertação (Mestrado em Engenharia Elétrica)-Universidade de Brasília, Brasília, 2006.
Resumo: Neste trabalho, foi implementado um sistema de visão computacional para navegação de robôs móveis baseado em rastreamento de trajetórias. Essas trajetórias são formadas por marcas artificiais adicionadas ao teto do ambiente na forma de curvas e retas. Para marcar o teto foram utilizadas cordas e fita adesiva escuras fixadas ao teto formando retas e curvas contínuas que indicam a trajetória a ser seguida pelo robô. A finalidade desse trabalho é o rastreamento de tais marcas. Para tanto, foi implementado um sistema de rastreamento que trabalha concorrentemente com o sistema de controle do robô. O sistema implementado foi desenvolvido em um robô móvel equipado com uma câmera com foco direcionado para o teto. Esse sistema foi subdivido em quatro etapas que são executadas seqüencialmente a cada passo de tempo. A primeira das etapas adquire e processa uma imagem com técnicas para extração de bordas e eliminação de ruído. Em seguida, se o sistema não possui nenhuma informação a priori ele salta duas outras etapas e realiza a parametrização de uma curva baseado nos pixeis da imagem processada na primeira etapa. Essa é a quarta etapa do sistema para qual foram implementados cinco algoritmos estimadores, três baseados em Mínimos Quadrados e dois em filtragem estocástica. Caso contrário, se o sistema possuir informação a priori, após a primeira etapa ele realiza a segunda que é a de predição. Esta recebe os parâmetros da curva estimada no passo de tempo anterior e os dados da odometria, referentes ao movimento do robô entre o passo de tempo anterior e o atual, para atualizar a informação a priori sobre a trajetória. A próxima etapa recebe a imagem processada na etapa 1 e a informação de predição da etapa 2 e realiza uma pré-seleção de pixeis da imagem processada que poderão participar da estimação de parâmetros na quarta e última etapa do sistema. Para a avaliação de desempenho do sistema implementado, foram utilizados bancos de imagens adquiridos por uma câmera com foco direcionado para o teto e acoplada a um robô móvel Omnidirecional guiado por joystick. O sistema foi avaliado para várias trajetórias, sendo analisados os resultados de todos os processos intermediários do rastreamento e o desempenho global do sistema. Os resultados observados mostraram que o sistema implementado permite o rastreamento de trajetórias a partir apenas da informação extraída, pelos algoritmos de visão, das imagens adquiridas durante a movimentação do robô e da odometria. Cada um dos algoritmos estimadores implementados foram testados e analisados quanto as suas características e tempo de execução, dentre os quais, os de filtragem estocástica obtiveram melhores resultados no rastreamento da trajetória. __________________________________________________________________________________________ ABSTRACT
In this work, a computer vision system was implemented for curve tracking-based navigation of mobile robots. These trajectories are formed by artificial landmarks added to the ceiling of the environment in the form of curves and straight lines. In order to mark the ceiling, ropes and adhesive tapes were fixed fixed to the ceiling forming continuous straight lines and curves that indicate the trajectory to be followed by the robot. The purpose of this work is to propose tracking algorithms for such marks. Therefore , it was implemented a tracking system that works concurrently with the control system of the robot. The implemented system was developed in a mobile robot equipped with a video camera looking at the ceiling. This system is composed of four stages that are executed sequentially. The first one of the stages acquires and processes an image with techniques for edges extraction and of noise elimination. After this, if the system does not possess no a priori information about the trajectory, it jumps two stages and carries through the parametrization of a curve based on pixels of the processed image at the first stage. This is the fourth stage of the system, for which five estimators were implemented. Three of them are based on Least Squares and two in stochastic filtering. Otherwise, if the system has a priori information, after the first stage it carries through the prediction stage. This stage receives the curve estimated parameters computed in the previous time and robot’s odometric data, referring to the robot’s movement between the step of previous time and the current one. It is used to update the a priori information about the trajectory. The next stage receives the processed image (first stage) and information from prediction (second stage) and carries through an previous election of pixels of the processed image. Several images sequences had been acquired for performance evaluation of the implemented system off line. In such experiments, the mobile robot was guided using joystick. The system was evaluated for several trajectories. The results were analyzed for all the intermediate processes. The observed results had shown that the implemented system allows the trajectory tracking only with the extracted information of the images (through vision algorithms) acquired during the robot’s movement and the odometry. Each one of the estimators implemented algorithms had been tested, and their characteristics and execution time were analyzed. From such analysis, the stochastic ones had gotten better results in the tracking trajectory process.
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2006.
Aparece nas coleções:ENE - Mestrado em Engenharia Elétrica (Dissertações)

Mostrar registro completo do item Recomendar este item Visualizar estatísticas



Este item está licenciada sob uma Licença Creative Commons Creative Commons