[pt] Este trabalho aborda o problema da Localização e Mapeamento Simultâneos em ambientes estruturados, utilizando um robô móvel equipado com sonares, bússola eletrônica e encoders. Na modelagem sugerida há a construção do mapa do ambiente e a localização do robô de forma interativa. O método proposto, denominado de LMS-H (Localização e Mapeamento Simultâneos - Híbrido), faz uso de duas formas de representação do ambiente: Mapa de Ocupação em Grade e Representação Contínua. O Mapa de Ocupação em Grade divide o ambiente em pequenas partes iguais, classificando-as em ocupadas ou vazias. A Representação Contínua utiliza retas para representar os planos detectados no ambiente, formando um mapa em duas dimensões e cada reta do mapa é considerada um marco. Sempre que um plano é novamente detectado pelo robô a reta correspondente a ele é recalculada com os novos pontos obtidos e a posição do robô é atualizada via Filtro de Kalman Estendido. A eficácia do método foi comprovada através de seis estudos de caso: três em ambientes virtuais e três em ambientes reais. Os estudos de casos em ambientes reais foram realizados utilizando-se um protótipo feito sob a plataforma LEGO Mindstorms. Os resultados obtidos comprovaram a eficácia do método proposto. / [en] This work addresses the problem of Simultaneous Localization and Mapping in structured environments using a mobile robot equipped with sonar, electronic compass and encoders. In the proposed modeling there are the construction of the environment map and the robot localization interactively. The proposed method, called H-SLAM (Hybrid - Simultaneous Localization and Mapping), makes use kinds of environment representation: Occupancy Grid Map and Continuous Representation. The Occupancy Grid Map divides the environment into small equal parts, and classifies it as occupied or empty. The Continuous Representation uses lines to represent detected planes in the environment, forming a two-dimensional map. Each line of the map is considered a landmark. Every time a plan is redetected by the robot the corresponding line to it is rebuild with the new points obtained and the robot s position is updated through Extended Kalman Filter. The model effectiveness was proved with computer simulations in three virtual environments. Using a prototype developed with LEGO Mindstorms platform three other experiments were also performed in real environments. The results demonstrated the effectiveness of the proposed method.

[pt] Esta dissertação apresenta o projeto e desenvolvimento de um sistema para detecção e desvio de obstáculos para veículos aéreos não tripulados (VANTs), implementado por um controlador neuro-fuzzy. Neste contexto, este trabalho apresenta uma revisão teórica sobre veículos aéreos não tripuláveis, legislação brasileira aplicável, métodos de detecção de obstáculos, lógica nebulosa e redes neurais. O controlador desenvolvido foi implementado de forma a imitar as ações realizadas por um operador humano, visando desviar de obstáculos encontrados no caminho de navegação do VANT. Regras de inferência são estabelecidas baseadas na consultoria de especialistas da área e os pesos ajustados pela rede neural. O processo de tomada de decisão ocorre levando em consideração as informações coletadas por um Lidar multicanal e sensores ultrassônicos embarcados no VANT. Por sua vez, o algoritmo desenvolvido foi incorporado em um controlador de vôo comercial. O sistema completo do quadricóptero é detalhado, destacando as principais características de todos os sensores e do controlador de vôo. Os resultados das simulações computacionais e testes experimentais são apresentados, discutidos e comparados, a fim de avaliar o desempenho do sistema desenvolvido. / [en] This dissertation presents the design and development of an obstacle detection and avoidance system for unmanned aerial vehicles, implemented by a neuro-fuzzy controller. In this context, this work presents a theoretical review of unmanned aerial vehicles, the applicable Brazilian legislation, obstacle detection methods, fuzzy logic and neural networks. The developed controller was implemented in order to mimic the actions taken by a human operator, aiming at avoiding obstacles found in the navigation path of the UAV. Inference rules were established based on consultation with specialists in the field and the weights adjusted by neural networks. The decisionmaking process takes into account information collected by a multichannel Lidar and ultrasonic sensors embedded in the UAV. In turn, the developed algorithm was embedded in a commercial flight controller. The complete quadricopter system is detailed, highlighting the key features of all sensors and the flight controller. The results of computational simulations and experimental tests are presented, discussed and compared, in order to evaluate the performance of the developed system.