Made available in DSpace on 2016-08-29T15:33:18Z (GMT). No. of bitstreams: 1 tese_7764_Dissertacao-Filipe-final-Revisado.pdf: 4933247 bytes, checksum: 53aad1c8311e994d6cd2a96792474d67 (MD5) Previous issue date: 2014-05-21 / Um dos grandes desafios de robótica nos últimos anos tem sido o desenvolvimento de veículos robóticos com alto nível de autonomia, capazes de navegar por longos períodos de tempo sem a intervenção de um usuário humano. Existe uma grande expectativa de que, no futuro, os automóveis autônomos possam ser usados para prover acessibilidade para deficientes, reduzir o tempo e o custo para transportar cargas e oferecer conforto para pessoas que não podem ou simplesmente não querem dirigir. Além disso, o uso de veículos autônomos tem o potencial para aumentar significativamente a segurança no trânsito uma vez que os robôs possuem uma capacidade ampliada de observar o mundo e não estão sujeitos a estados indesejados como cansaço, nervosismo, embriaguez, pressa ou estresse. Neste trabalho, foi estudado o problema de criação de mapas de grandes regiões para a localização e navegação de automóveis autônomos. Foram estudadas várias abordagens para solução do problema e foi desenvolvido um sistema de mapeamento de grandes regiões (Large-scale Environment Mapping System LEMS) usando o algoritmo GraphSLAM baseado em poses. Os experimentos realizados mostraram que o LEMS foi capaz de mapear com uma boa qualidade diferentes regiões com tamanhos e características específicos. Durante o desenvolvimento do LEMS foi observado que os erros de odometria eram não-gaussianos e sujeitos a bias. Por isto, foi criada uma ferramenta para encontrar automaticamente o bias usando otimização por enxame de partículas. Os experimentos realizados mostraram que ao integrar o bias à odometria, o dead-reckoning foi capaz de aproximar com uma boa precisão o trajeto medido pelo GPS.