Made available in DSpace on 2014-06-12T15:52:08Z (GMT). No. of bitstreams: 2 arquivo3104_1.pdf: 10366275 bytes, checksum: 2fb0195a7c62e76b0be52b710d341aa7 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / dispositivos sensores de varredura a laser. O agente explora um ambiente composto de salas, corredores e passagens entre salas. Tal ambiente é inicialmente desconhecido e o agente robótico o explora assimilando conhecimento sobre o layout e outras características, produzindo uma representação interna. O agente robótico faz uso dessa representação interna para: planejar suas ações de navegação; determinar e percorrer um caminho entre a sua posição atual e outra localizada no ambiente conhecido; navegar desviando de obstáculos; localizar a si mesmo em sua representação interna, confrontando as informações capturadas por seu sistema sensor com o seu conhecimento do ambiente; produzir reconstruções virtuais das áreas visitadas. O problema acima é formalizado considerando a captura, codificação, representação e associação de percepções como base para a obtenção de uma representação cognitiva do ambiente. Os fluxos de dados dos dispositivos sensores são considerados fontes para a extração de percepções por processos inatos, e estes, em termos computacionais, constituem um passo de pré-processamento. Nesta tese, o foco é a obtenção dos comportamentos mencionados acima, a partir de mecanismos de Inteligência Artificial. Aspectos de Neurofisiologia e Neuropsicologia são considerados na proposição de um modelo cognitivo e um conjunto de modelos computacionais e seus algoritmos. O modelo cognitivo proposto é biologicamente plausível e computacionalmente realizável. Posteriormente, o modelo cognitivo proposto é usado no desenvolvimento de artefatos computacionais para suporte aos processos cognitivos requeridos. Tal modelo é composto de uma arquitetura em camadas entrelaçadas e suporta a definição de módulos que realizam processos cognitivos isolados, bem como módulos que realizam processos cognitivos com interdependências. O modelo cognitivo proposto, o sistema motor e sensor do agente robótico e as tarefas definidas são considerados na proposição de um conjunto básico de módulos. Um novo modelo de mapa auto-organizável é proposto para suporte às atividades neurais requeridas. Esse novo modelo de rede neural foi chamado de Mapa Auto-Organizável Crescente que Aprende Topologia (Growing Topology Learning Self-Organizing Map - GTLSOM). O GTLSOM produz, a partir de triangulações simples, um mapa que representa a topologia de um espaço de amostras. Esse modelo de rede neural é usado como uma ferramenta para armazenar, agrupar e indexar percepções produzindo mapas que atuam como memórias básicas para processos cognitivos mais elaborados. O layout do ambiente no entorno do agente robótico é representado em um mapa produzido pelo modelo GTLSOM. Esse mapa é, então, empregado na interpretação do ambiente local diferenciando entre espaço livre e obstáculos. A percepção e desvio de obstáculos é suportada em dois momentos diferentes. Na fase de planejamento, o mapa de Células de Grade é usado e caminhos são determinados evitando os obstáculos conhecidos. Para tal, é proposto um algoritmo que tem por bases a dispersão de um pulso elétrico sobre um aramado e o conceito de campos potenciais. Na fase de navegação, as percepções do agente robótico são usadas na obtenção de uma memória contextual. Essa memória produz um julgamento de valor acerca da viabilidade de cada uma das ações de navegação disponíveis. O algoritmo proposto para guiar o agente robótico através de um caminho determinado no mapa de Células de Grade, considera esse julgamento de valor na decisão de qual ação executar. A reconstrução virtual de um lugar visitado é obtida usando o GTLSOM como uma ferramenta para a obtenção de uma malha de triângulos que representa as superfícies dos obstáculos e as superfícies que delimitam o ambiente. Nesta tese, o conceito de mapa topológico é similar ao de um grafo. Logo, considerando diferentes níveis de abstração, os nodos podem representar salas (localidades) ou posições (lugares). Um nodo representa um conjunto de percepções formando um contexto que habilita o agente robótico a reconhecer um lugar quando revisitado. O primeiro nível de abstração mencionado é remetido a trabalhos futuros. Entretanto, é proposto um algoritmo para a obtenção de um mapa topológico no qual cada nodo congrega um conjunto de percepções formando um contexto que identifica um lugar, uma posição visitada pelo agente e que pode ser reconhecida a partir do conjunto de características percebidas. As relações de vizinhança entre lugares são representadas pelas conexões entre nodos. O modelo GTLSOM é empregado como uma memória de percepções onde o conjunto de percepções atuais dispara lembranças cujo contexto associativo produz o reconhecimento do lugar. O modelo cognitivo e os algoritmos propostos são validados em um ambiente 3D virtual realístico. Esse ambiente foi desenvolvido como parte desta tese, e foi projetado para permitir interações diretas e em tempo real com o agente robótico virtual. A movimentação do agente no ambiente pode ser observada sob três diferentes perspectivas. Uma câmera apresenta a visão do próprio agente robótico. Outra segue o agente enquanto ele se movimenta no ambiente. A terceira câmera produz uma visão de topo, na qual se observa o agente robótico e parte do ambiente ao seu redor. A simulação da dinâmica é capaz de detectar as colisões entre o agente robótico e os elementos do ambiente. Entretanto, a simulação de inércia e de forças de aceleração e gravidade são remetidas a trabalhos futuros

Este projeto consiste no desenvolvimento de um sistema para auto-localização e construção de mapas de ambiente para robôs móveis em um ambiente estruturado, ou seja, que pode ser descrito através de primitivas geométricas. O mapa é construído a partir da reconstrução de imagens adquiridas por um sistema de visão omnidirecional estéreo baseado em um espelho duplo de perfil hiperbólico. A partir de uma única imagem obtida, utilizandose algoritmos de visão estéreo, realiza-se a reconstrução tridimensional do ambiente em torno do robô e, assim, obtêm-se as distâncias de objetos presentes no ambiente ao sistema de visão. A partir da correspondência da reconstrução de várias imagens tomadas em diferentes posições cria-se o mapa do ambiente. Além do mapa global do ambiente o sistema também realiza o cálculo da localização do robô no ambiente utilizando informações obtidas na correspondência da reconstrução da seqüência de imagens e a odometria do robô. O sistema de construção de mapas de ambiente e auto-localização do robô é testado em um ambiente virtual e um ambiente real. Os resultados obtidos tanto na construção do mapa global do ambiente, como na localização do robô, mostram que o sistema é capaz de obter informação com a acuracidade necessária para permitir a sua utilização para navegação de robôs móveis. O tempo computacional necessário para reconstruir as imagens, calcular a posição do robô e criar o mapa global do ambiente possibilita que o sistema desenvolvido seja usado em uma aplicação que necessite da geração do mapa global em um intervalo de tempo na ordem de poucos segundos. Ressalta-se que este projeto teve como ponto de partida um projeto de iniciação científica financiado pela FAPESP. Esse trabalho de iniciação científica foi publicado na forma de um trabalho de conclusão de curso (Oliveira, 2005). / This project aims the development of a system for self localization and environment map building for mobile robots in a structured environment. The map is built from images acquired by an omnidirectional stereo system with a hyperbolic double lobed mirror. From a single acquired image, using stereo vision algorithms, the environment around the robot is tridimensionally reconstruct and the distances of objects in the environment from the system are calculated. From the matching of several reconstructed environments obtained from images taken in different positions the global environment map is created. Besides the global map the system also calculates the localization of the mobile robot using information obtained from the matching of the sequence of image reconstructions and the robot odometry. The map building and robot localization system is tested in virtual and real environments. The computational time required to make the calculation is of the order of few seconds. The results obtained both for the map building and for the robot localization show that the system is capable of generating information with enough accuracy to allow it to be used for mobile robot navigation. This project had as start point a scientific initiation project supported by FAPESP. The scientific initiation project was published as a graduation work (Oliveira, 2005).

Este projeto consiste no desenvolvimento de um sistema para auto-localização e construção de mapas de ambiente para robôs móveis em um ambiente estruturado, ou seja, que pode ser descrito através de primitivas geométricas. O mapa é construído a partir da reconstrução de imagens adquiridas por um sistema de visão omnidirecional estéreo baseado em um espelho duplo de perfil hiperbólico. A partir de uma única imagem obtida, utilizandose algoritmos de visão estéreo, realiza-se a reconstrução tridimensional do ambiente em torno do robô e, assim, obtêm-se as distâncias de objetos presentes no ambiente ao sistema de visão. A partir da correspondência da reconstrução de várias imagens tomadas em diferentes posições cria-se o mapa do ambiente. Além do mapa global do ambiente o sistema também realiza o cálculo da localização do robô no ambiente utilizando informações obtidas na correspondência da reconstrução da seqüência de imagens e a odometria do robô. O sistema de construção de mapas de ambiente e auto-localização do robô é testado em um ambiente virtual e um ambiente real. Os resultados obtidos tanto na construção do mapa global do ambiente, como na localização do robô, mostram que o sistema é capaz de obter informação com a acuracidade necessária para permitir a sua utilização para navegação de robôs móveis. O tempo computacional necessário para reconstruir as imagens, calcular a posição do robô e criar o mapa global do ambiente possibilita que o sistema desenvolvido seja usado em uma aplicação que necessite da geração do mapa global em um intervalo de tempo na ordem de poucos segundos. Ressalta-se que este projeto teve como ponto de partida um projeto de iniciação científica financiado pela FAPESP. Esse trabalho de iniciação científica foi publicado na forma de um trabalho de conclusão de curso (Oliveira, 2005). / This project aims the development of a system for self localization and environment map building for mobile robots in a structured environment. The map is built from images acquired by an omnidirectional stereo system with a hyperbolic double lobed mirror. From a single acquired image, using stereo vision algorithms, the environment around the robot is tridimensionally reconstruct and the distances of objects in the environment from the system are calculated. From the matching of several reconstructed environments obtained from images taken in different positions the global environment map is created. Besides the global map the system also calculates the localization of the mobile robot using information obtained from the matching of the sequence of image reconstructions and the robot odometry. The map building and robot localization system is tested in virtual and real environments. The computational time required to make the calculation is of the order of few seconds. The results obtained both for the map building and for the robot localization show that the system is capable of generating information with enough accuracy to allow it to be used for mobile robot navigation. This project had as start point a scientific initiation project supported by FAPESP. The scientific initiation project was published as a graduation work (Oliveira, 2005).

A demanda por mais flexibilidade nas fábricas e serviços originou um aumento no volume de operações internas de carga e descarga, devido à maior diversidade dos elementos transportados. Logo, na busca por um fluxo de materiais mais eficiente, as empresas passaram a investir em soluções tecnológicas, entre elas, o uso de Automated Guided Vehicles (AGVs), por conta do custo mais atrativo e do avanço em relação aos primeiros AGVs, que até então dependiam de uma infraestrutura adicional para suportar a navegação. Muitos AGVs modernos possuem movimentação livre e são orientados por sistemas que utilizam sensores para interpretar o ambiente, sendo assim, tornar os AGVs autônomos despertou o interesse de pesquisadores na área de robótica móvel para o desenvolvimento de sistemas capazes de auxiliar e coordenar a navegação. Novas técnicas de localização, tal como a localização baseada em marcadores reflexivos, e a construção de armazéns com layouts estruturados para a navegação viabilizaram o uso de AGVs autônomos, entretanto sua utilização em armazéns existentes ainda é um desafio. Neste contexto, o Laboratório de Robótica Móvel (LabRom) do Grupo de Mecatrônica da EESC/USP, através do projeto do Armazém Inteligente, tem pesquisado os problemas de: roteamento, gerenciamento das baterias, navegação e auto-localização. Robôs autônomos precisam de um sistema de auto-localização eficiente e preciso para navegar com segurança, o qual depende de um mapa e da interpretação do ambiente utilizando sensores embarcados. Para alcançar esse objetivo este trabalho propõe um Sistema de Auto-localização baseado no Extended Kalman Filter (EKF) como solução. O sistema, desenvolvido em linguagem C, interage com outros dois sistemas: roteamento e navegação e foi implementado em um armazém simulado utilizando o software Player/Stage, mostrando ser confiável no fornecimento de uma estimativa de localização baseada em odometria e landmarks com localização conhecida. O sistema foi novamente testado utilizando a odometria de um robô móvel Pioneer P3-AT e os valores de um sensor de medição laser 2D SICK LMS200 extraídos de um ambiente indoor real. Para este teste foi construído um feature-based map a partir de um desenho de planta baixa no formato CAD e utilizou-se o algoritmo de segmentação Iterative End-Point Fit (IEPF) para interpretar o ambiente. Os resultados mostraram que as vantagens oferecidas pelas características padronizadas de um ambiente indoor, semelhante a um armazém, podem viabilizar o uso do Sistema de Auto-localização em armazéns existentes. / The demand for more flexibility in factories and services led to an increase in the volume of internal operations of loading and unloading, due to the greater diversity of elements transported. Hence, in the search for a more efficient materials flow, companies went to invest in technology solutions, among them, the use of Automated Guided Vehicles (AGVs), on account of the more attractive cost and improvement over the first AGVs, which hitherto depended of an additional infrastructure to support navigation. Many modern AGVs have free movement and are guided by systems that use sensors to interpret the environment, thus make AGVs autonomous aroused the interest of researchers in the mobile robotics field to development of systems able to assist and coordinate the navigation. New localization techniques, such as localization based on reflective markers, and the construction of warehouses with structured layouts for navigation did feasible the use of autonomous AGVs, however its use in existing warehouses is still a challenge. In this context, the Mobile Robotics Lab (LabRom) of the Mechatronics Group of EESC/USP, through the Intelligent Warehouse Project, has researched the problems: routing, battery management, navigation and self-localization. Autonomous robots need an efficient and accurate self-localization system to safely navigate, which depends on one map and of the interpretation of the environment using embedded sensors. To achieve this goal, this work proposes a Self-Localization System based on the Extended Kalman Filter (EKF) as a solution. The system, developed in C language, interacts with two other systems: routing and navigation and was implemented in a simulated warehouse using the Player/Stage software, showing to be reliable in providing an estimative of localization based on odometry and landmarks with known localization. The system was again tested using the odometry of mobile robot Pioneer P3-AT and the values of a 2D Laser Rangefinder SICK LMS200 extracted from a real indoor environment. For this test was built a feature-based map from a floor plan design in CAD format and was used the segmentation algorithm Iterative End-Point Fit (IEPF) to interpret the environment. The results showed that the advantages offered by the standard features of indoor environment, like a warehouse, can enable the use of the Self-Localization System on the existing warehouses.

Um sistema artificial pode usar raciocínio espacial qualitativo para inferir informações sobre seu ambiente tridimensional a partir de imagens bidimensionais. Inferências realizadas com base em raciocínio espacial qualitativo devem ser capazes de lidar com incertezas. Neste trabalho investigamos a utilização de técnicas probabilísticas para tornar o raciocínio espacial qualitativo mais robusto a incertezas e aplicável a agentes móveis em ambientes reais. Investigamos uma formalização de raciocínio espacial com lógica de descrição probabilística em um subdomínio de tráfego. Desenvolvemos também um método que combina raciocínio espacial qualitativo com um filtro Bayesiano para desenvolver dois sistemas que foram aplicados na auto localização de um robô móvel. Executamos dois experimentos de auto localização; um utilizando a teoria de relações qualitativas percebíveis sobre sombra com filtro Bayesiano; e outro utilizando o cálculo de oclusão de regiões e o cálculo de direção com filtro Bayesiano. Ambos os sistemas obtiveram resultados positivos onde somente o raciocínio espacial qualitativo não foi capaz de inferir a localização do robô. Os experimentos com dados reais mostraram robustez aos ruídos e à informação parcial. / An artificial system can use qualitative spatial reasoning to obtain information about its tridimensional environment, from bi-dimensional images. Inferences produced by qualitative spatial reasoning must be able to deal with uncertainty. This work investigates the use of probabilistic techniques to make qualitative spatial reasoning more robust against uncertainty, and better applicable to mobile agents in real environments. The work investigates a formalization of spatial reasoning using probabilistic description logics in a traffic domain. Additionally, a method is presented that combines qualitative spatial reasoning with a Bayesian filter, to develop two systems that are applied to self-localization of mobile robots. Two experiments are described; one using the theory of perceptual qualitative relations about shadows; the other using occlusion calculus and direction calculus. Both systems are combined with a Bayesian filter producing positive results in situations where qualitative spatial reasoning alone cannot infer robot location. Experiments with real data show robustness to noise and partial information.

A demanda por mais flexibilidade nas fábricas e serviços originou um aumento no volume de operações internas de carga e descarga, devido à maior diversidade dos elementos transportados. Logo, na busca por um fluxo de materiais mais eficiente, as empresas passaram a investir em soluções tecnológicas, entre elas, o uso de Automated Guided Vehicles (AGVs), por conta do custo mais atrativo e do avanço em relação aos primeiros AGVs, que até então dependiam de uma infraestrutura adicional para suportar a navegação. Muitos AGVs modernos possuem movimentação livre e são orientados por sistemas que utilizam sensores para interpretar o ambiente, sendo assim, tornar os AGVs autônomos despertou o interesse de pesquisadores na área de robótica móvel para o desenvolvimento de sistemas capazes de auxiliar e coordenar a navegação. Novas técnicas de localização, tal como a localização baseada em marcadores reflexivos, e a construção de armazéns com layouts estruturados para a navegação viabilizaram o uso de AGVs autônomos, entretanto sua utilização em armazéns existentes ainda é um desafio. Neste contexto, o Laboratório de Robótica Móvel (LabRom) do Grupo de Mecatrônica da EESC/USP, através do projeto do Armazém Inteligente, tem pesquisado os problemas de: roteamento, gerenciamento das baterias, navegação e auto-localização. Robôs autônomos precisam de um sistema de auto-localização eficiente e preciso para navegar com segurança, o qual depende de um mapa e da interpretação do ambiente utilizando sensores embarcados. Para alcançar esse objetivo este trabalho propõe um Sistema de Auto-localização baseado no Extended Kalman Filter (EKF) como solução. O sistema, desenvolvido em linguagem C, interage com outros dois sistemas: roteamento e navegação e foi implementado em um armazém simulado utilizando o software Player/Stage, mostrando ser confiável no fornecimento de uma estimativa de localização baseada em odometria e landmarks com localização conhecida. O sistema foi novamente testado utilizando a odometria de um robô móvel Pioneer P3-AT e os valores de um sensor de medição laser 2D SICK LMS200 extraídos de um ambiente indoor real. Para este teste foi construído um feature-based map a partir de um desenho de planta baixa no formato CAD e utilizou-se o algoritmo de segmentação Iterative End-Point Fit (IEPF) para interpretar o ambiente. Os resultados mostraram que as vantagens oferecidas pelas características padronizadas de um ambiente indoor, semelhante a um armazém, podem viabilizar o uso do Sistema de Auto-localização em armazéns existentes. / The demand for more flexibility in factories and services led to an increase in the volume of internal operations of loading and unloading, due to the greater diversity of elements transported. Hence, in the search for a more efficient materials flow, companies went to invest in technology solutions, among them, the use of Automated Guided Vehicles (AGVs), on account of the more attractive cost and improvement over the first AGVs, which hitherto depended of an additional infrastructure to support navigation. Many modern AGVs have free movement and are guided by systems that use sensors to interpret the environment, thus make AGVs autonomous aroused the interest of researchers in the mobile robotics field to development of systems able to assist and coordinate the navigation. New localization techniques, such as localization based on reflective markers, and the construction of warehouses with structured layouts for navigation did feasible the use of autonomous AGVs, however its use in existing warehouses is still a challenge. In this context, the Mobile Robotics Lab (LabRom) of the Mechatronics Group of EESC/USP, through the Intelligent Warehouse Project, has researched the problems: routing, battery management, navigation and self-localization. Autonomous robots need an efficient and accurate self-localization system to safely navigate, which depends on one map and of the interpretation of the environment using embedded sensors. To achieve this goal, this work proposes a Self-Localization System based on the Extended Kalman Filter (EKF) as a solution. The system, developed in C language, interacts with two other systems: routing and navigation and was implemented in a simulated warehouse using the Player/Stage software, showing to be reliable in providing an estimative of localization based on odometry and landmarks with known localization. The system was again tested using the odometry of mobile robot Pioneer P3-AT and the values of a 2D Laser Rangefinder SICK LMS200 extracted from a real indoor environment. For this test was built a feature-based map from a floor plan design in CAD format and was used the segmentation algorithm Iterative End-Point Fit (IEPF) to interpret the environment. The results showed that the advantages offered by the standard features of indoor environment, like a warehouse, can enable the use of the Self-Localization System on the existing warehouses.

Um sistema artificial pode usar raciocínio espacial qualitativo para inferir informações sobre seu ambiente tridimensional a partir de imagens bidimensionais. Inferências realizadas com base em raciocínio espacial qualitativo devem ser capazes de lidar com incertezas. Neste trabalho investigamos a utilização de técnicas probabilísticas para tornar o raciocínio espacial qualitativo mais robusto a incertezas e aplicável a agentes móveis em ambientes reais. Investigamos uma formalização de raciocínio espacial com lógica de descrição probabilística em um subdomínio de tráfego. Desenvolvemos também um método que combina raciocínio espacial qualitativo com um filtro Bayesiano para desenvolver dois sistemas que foram aplicados na auto localização de um robô móvel. Executamos dois experimentos de auto localização; um utilizando a teoria de relações qualitativas percebíveis sobre sombra com filtro Bayesiano; e outro utilizando o cálculo de oclusão de regiões e o cálculo de direção com filtro Bayesiano. Ambos os sistemas obtiveram resultados positivos onde somente o raciocínio espacial qualitativo não foi capaz de inferir a localização do robô. Os experimentos com dados reais mostraram robustez aos ruídos e à informação parcial. / An artificial system can use qualitative spatial reasoning to obtain information about its tridimensional environment, from bi-dimensional images. Inferences produced by qualitative spatial reasoning must be able to deal with uncertainty. This work investigates the use of probabilistic techniques to make qualitative spatial reasoning more robust against uncertainty, and better applicable to mobile agents in real environments. The work investigates a formalization of spatial reasoning using probabilistic description logics in a traffic domain. Additionally, a method is presented that combines qualitative spatial reasoning with a Bayesian filter, to develop two systems that are applied to self-localization of mobile robots. Two experiments are described; one using the theory of perceptual qualitative relations about shadows; the other using occlusion calculus and direction calculus. Both systems are combined with a Bayesian filter producing positive results in situations where qualitative spatial reasoning alone cannot infer robot location. Experiments with real data show robustness to noise and partial information.