Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado, com e sem marcas de Kalman, e o erro médio da posição do robô durante todo o processo exploratório. / Build a robot capable of performing tasks without any human interference is one of the biggest challenges of the Mobile Robotics. Having only sensors, an autonomous robot needs to explore unknown environments and, simultaneously, build a reliable map in order to get its own location and perform the task. In the presence of odometry errors, the robot is not capable of establish its own position on its internal map and ends up building a deformed map that does not reflect reality. This paper presents a solution for the problem of self-localization of autonomous mobile robots. This solution uses a linear method for calculating estimatives called Kalman Filter to correct the robot's position on its internal mapping of the environment while exploring. The proposal considers that any being that moves in an environment always counts on having some reference points to establish its own position. This points are implemented as special objects called Kalman landmarks. In simulation, the recognition of such landmarks can be done in two different ways: through its position on the map or through its identity. In the experiments performed in simulations, the method is tested for different errors in the robot's inclination angle. The results are compared considering the deformations on the generated map, with and without the Kalman landmarks, and the average error of the robot's position during the exploratory process.

Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado, com e sem marcas de Kalman, e o erro médio da posição do robô durante todo o processo exploratório. / Build a robot capable of performing tasks without any human interference is one of the biggest challenges of the Mobile Robotics. Having only sensors, an autonomous robot needs to explore unknown environments and, simultaneously, build a reliable map in order to get its own location and perform the task. In the presence of odometry errors, the robot is not capable of establish its own position on its internal map and ends up building a deformed map that does not reflect reality. This paper presents a solution for the problem of self-localization of autonomous mobile robots. This solution uses a linear method for calculating estimatives called Kalman Filter to correct the robot's position on its internal mapping of the environment while exploring. The proposal considers that any being that moves in an environment always counts on having some reference points to establish its own position. This points are implemented as special objects called Kalman landmarks. In simulation, the recognition of such landmarks can be done in two different ways: through its position on the map or through its identity. In the experiments performed in simulations, the method is tested for different errors in the robot's inclination angle. The results are compared considering the deformations on the generated map, with and without the Kalman landmarks, and the average error of the robot's position during the exploratory process.

Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado, com e sem marcas de Kalman, e o erro médio da posição do robô durante todo o processo exploratório. / Build a robot capable of performing tasks without any human interference is one of the biggest challenges of the Mobile Robotics. Having only sensors, an autonomous robot needs to explore unknown environments and, simultaneously, build a reliable map in order to get its own location and perform the task. In the presence of odometry errors, the robot is not capable of establish its own position on its internal map and ends up building a deformed map that does not reflect reality. This paper presents a solution for the problem of self-localization of autonomous mobile robots. This solution uses a linear method for calculating estimatives called Kalman Filter to correct the robot's position on its internal mapping of the environment while exploring. The proposal considers that any being that moves in an environment always counts on having some reference points to establish its own position. This points are implemented as special objects called Kalman landmarks. In simulation, the recognition of such landmarks can be done in two different ways: through its position on the map or through its identity. In the experiments performed in simulations, the method is tested for different errors in the robot's inclination angle. The results are compared considering the deformations on the generated map, with and without the Kalman landmarks, and the average error of the robot's position during the exploratory process.

No description available.