Made available in DSpace on 2014-12-17T14:55:08Z (GMT). No. of bitstreams: 1 AndersonASS.pdf: 906367 bytes, checksum: 22fe3d988905f9e44afd63465e16e0df (MD5) Previous issue date: 2008-02-15 / In this work, we propose a probabilistic mapping method with the mapped environment represented through a modified occupancy grid. The main idea of the proposed method is to allow a mobile robot to construct in a systematic and incremental way the geometry of the underlying space, obtaining at the end a complete environment map. As a consequence, the robot can move in the environment in a safe way, based on a confidence value of data obtained from its perceptive system. The map is represented in a coherent way, according to its sensory data, being these noisy or not, that comes from exterior and proprioceptive sensors of the robot. Characteristic noise incorporated in the data from these sensors are treated by probabilistic modeling in such a way that their effects can be visible in the final result of the mapping process. The results of performed experiments indicate the viability of the methodology and its applicability in the area of autonomous mobile robotics, thus being an contribution to the field / Neste trabalho, propomos um m?todo de mapeamento probabil?stico com a representa??o do ambiente mapeado em uma grade de ocupa??o modificada. A id?ia principal do m?todo proposto ? deixar que um rob? m?vel construa de forma sistem?tica e incremental a geometria do seu entorno, obtendo ao final um mapa completo do ambiente. Como conseq??ncia, o rob? poder? locomover-se no seu ambiente de modo seguro, baseando-se em um ?ndice de confiabilidade dos dados colhidos do seu sistema perceptivo. O mapa ? representado de forma coerente com os dados sensoriais, sejam esses ruidosos ou n?o, oriundos dos sensores externoceptivos e proprioceptivos do rob?. Os ru?dos caracter?sticos incorporados nos dados de tais sensores s?o tratados por modelagem probabil?stica, de modo que seus efeitos possam ser vis?veis no resultado final do processo de mapeamento. Os resultados dos experimentos realizados, mostrados no presente trabalho, indicam a viabilidade desta metodologia e sua aplicabilidade na ?rea da rob?tica m?vel aut?noma, sendo assim uma contribui??o para a ?rea

Made available in DSpace on 2014-12-17T14:54:56Z (GMT). No. of bitstreams: 1 AndreMS_TESE_1-100.pdf: 5113772 bytes, checksum: 19386f80f787c926c4fb29b85bac4ecf (MD5) Previous issue date: 2011-02-11 / The goal of this work is to propose a SLAM (Simultaneous Localization and Mapping) solution based on Extended Kalman Filter (EKF) in order to make possible a robot navigates along the environment using information from odometry and pre-existing lines on the floor. Initially, a segmentation step is necessary to classify parts of the image in floor or non floor . Then the image processing identifies floor lines and the parameters of these lines are mapped to world using a homography matrix. Finally, the identified lines are used in SLAM as landmarks in order to build a feature map. In parallel, using the corrected robot pose, the uncertainty about the pose and also the part non floor of the image, it is possible to build an occupancy grid map and generate a metric map with the obstacle s description. A greater autonomy for the robot is attained by using the two types of obtained map (the metric map and the features map). Thus, it is possible to run path planning tasks in parallel with localization and mapping. Practical results are presented to validate the proposal / O objetivo desta tese ? apresentar uma t?cnica de SLAM (Localiza??o e Mapeamento Simult?neos) adequada para ambientes planos com linhas presentes no ch?o, de modo a permitir que o rob? navegue no ambiente fundindo informa??es de odometria e de vis?o monocular. Inicialmente, ? feita uma etapa de segmenta??o para classificar as partes da imagem em ch?o e n?o-ch?o . Em seguida, o processadomento de imagem identifica linhas na parte ch?o e os par?metros dessas linhas s?o mapeados para o mundo, usando uma matriz de homografia. Finalmente, as linhas identificadas s?o usadas como marcos no SLAM, para construir um mapa de caracter?sticas. Em paralelo, a pose corrigida do rob?, a incerteza em rela??o ? pose e a parte n?och?o da imagem s?o usadas para construir uma grade de ocupa??o, gerando um mapa m?trico com descri??o dos obst?culos. A utiliza??o simult?nea dos dois tipos de mapa obtidos (m?trico em grade e de caracter?sticas) d? maior autonomia ao rob?, permitindo acrescentar tarefas de planejamento em simult?neo com a localiza??o e mapeamento. Resultados pr?ticos s?o apresentados para validar a proposta

Made available in DSpace on 2014-12-17T14:55:05Z (GMT). No. of bitstreams: 1 AndersonASS_TESE.pdf: 3250611 bytes, checksum: 4e87cd6efd2a74f4715e56d6e2aa0064 (MD5) Previous issue date: 2012-08-03 / This work introduces a new method for environment mapping with three-dimensional information from visual information for robotic accurate navigation. Many approaches of 3D mapping using occupancy grid typically requires high computacional effort to both build and store the map. We introduce an 2.5-D occupancy-elevation grid mapping, which is a discrete mapping approach, where each cell stores the occupancy probability, the height of the terrain at current place in the environment and the variance of this height. This 2.5-dimensional representation allows that a mobile robot to know whether a place in the environment is occupied by an obstacle and the height of this obstacle, thus, it can decide if is possible to traverse the obstacle. Sensorial informations necessary to construct the map is provided by a stereo vision system, which has been modeled with a robust probabilistic approach, considering the noise present in the stereo processing. The resulting maps favors the execution of tasks like decision making in the autonomous navigation, exploration, localization and path planning. Experiments carried out with a real mobile robots demonstrates that this proposed approach yields useful maps for robot autonomous navigation / Este trabalho apresenta um novo m?todo de mapeamento de ambientes com rob?s m?veis com informa??es tridimensionais para navega??o. Muitas abordagens de mapeamento 3D, usam o m?todo em grade de ocupa??o, o que resulta no uso de muito recurso computacional tanto na constru??o como no armazenamento desses mapas. A presente pesquisa apresenta o mapeamento 2,5-D em grade de ocupa??o-eleva??o, a qual ? definida como uma representa??o discreta, onde cada c?lula armazena uma probabilidade de ocupa??o, a altura do espa?o mapeado e a vari?ncia desse valor de altura. Essa representa??o permite que um rob? m?vel tenha a ci?ncia se um lugar do seu ambiente est? ocupado por um obst?culo e qual a altura desse obst?culo. Dessa forma, ele pode decidir se ? poss?vel navegar sobre o obst?culo ou n?o, de acordo com suas habilidades motoras. As informa??es sensoriais necess?rias para construir o mapa s?o providas por um sistema de vis?o est?reo, o qual foi modelado atrav?s de uma robusta an?lise estat?stica, considerando os ru?dos presentes no processamento est?reo. Os mapas resultantes favorecem a execu??o de tarefas como tomadas de decis?es na navega??o aut?noma, explora??o, localiza??o e planejamento de caminhos. Experimentos pr?ticos reais mostram que o m?todo de mapeamento apresentado ? ?til para a navega??o de rob?s aut?nomos