Orientadores: Douglas Eduardo Zampieri, Andre Mendeleck / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-09T05:32:53Z (GMT). No. of bitstreams: 1 MirandaNeto_Arthurde_M.pdf: 21444077 bytes, checksum: e685627c310f9057b82e1bb7b7229228 (MD5) Previous issue date: 2007 / Resumo: Neste trabalho apresentamos um sistema autônomo baseado em monovisão, aplicado ao controle de um robô móvel em tarefas de navegação por ambientes desconhecidos. Para o cumprimento de tarefas de navegação, o sistema não possui conhecimento inicial sobre o ambiente, tendo como fonte primária de informações, dados oriundos do sistema de visão. Os movimentos são estruturados através de um Algoritmo Genético, que define as ações a serem executadas pelo robô móvel. O sistema foi desenvolvido em uma arquitetura multicamadas, sendo elas: Visão Computacional, Estratégias de Navegação e Comandos. A camada de visão constitui-se de dois métodos principais: método de segmentação Threshold and Horizon Finder, baseado no método de busca do limiar ótimo proposto por Otsu; e um novo método para descarte de informações redundantes, baseado no Coeficiente de Correlação de Pearson. Na camada Estratégias de Navegação, apresentamos uma proposta de um sistema de navegação com aprendizado evolutivo. Na última camada Comandos, abordamos o protocolo de interface entre a aplicação e o projeto físico mecânico. Um experimento foi realizado com um protótipo real, cujos resultados validaram a metodologia proposta, demonstrando a capacidade de resposta do sistema em tempo real / Abstract: In this work we present an autonomous system based on monocular vision, applied to a mobile robot's control executing navigation tasks in an unknown environrnent. For the execution of navigation tasks, the system does not have previous knowledge of the environrnent. Its primary source of information is data originating from the vision system. The movements are structured through a Genetic AIgorithm that defines the actions to be executed by the mobile robot. The system was developed based on a multilayer architecture, where the three main layers are: Computer Vision, Navigation Strategies and Commands. The vision layer is constituted of two main methods: method of segmentation Threshold and Horizon Finder, based on the ideal threshold search method proposed by Otsu; and a new improved method for discarding redundant information, based on the Pearson's Coefficient Correlation. In the Navigation Strategies layer, we propose a navigation system with evolutive learning. In the last layer, Commands, we deal with the interface protocol between the application and the mechanical physical project. An experiment with a real prototype was executed, which results validated the proposed methodology, demonstrating that the system is able to give real time responses / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica