Este trabalho objetiva a implementação de um sistema de rastreamento de alvo para aplicações em robótica móvel, utilizando como sensor principal uma câmera tipo Charge-Coupled Device (CCD). Uma abordagem adaptativa é utilizada para compensar as variações de iluminação no ambiente. Esta adaptação: 1) usa o método de retroprojeção de histogramas para rastreamento do alvo; 2) gera uma distribuição de probabilidade gaussiana que representa o histograma de cores do alvo; 3) atualiza em tempo real os parâmetros (média e covariância) do histograma. Como contribuição deste trabalho, propõe-se a determinação do nível de filtragem do ruído, adaptando-se ao modelo do alvo a cada imagem capturada. Este procedimento foi incorporado à determinação dos pixels com intensidades de cores mais próximas das do alvo. Uma vez que a determinação da posição relativa entre o robô e o alvo depende de imagens ruidosas, um procedimento de estimação, denominada sistema grey, é empregado para suavizar o controle. Efetivamente, o que esta abordagem faz é estimar a dinâmica relativa entre o robô e o alvo, no que se refere a distância e orientação. Para reduzir o erro de distância entre o robô e o alvo, fez-se uso de um controlador fuzzy com duas entradas e uma saída, para controle de velocidade linear e angular. Este controlador é denominado de fuzzy look-ahead, uma vez que recebe como entrada as predições dos erros de posição. O sistema de rastreamento de alvo móvel foi implementado em simulação, utilizando o Matlab 6.1, obtendo-se bons resultados com imagens e trajetórias simuladas. Para os experimentos em tempo real, foram desenvolvidas bibliotecas gráficas em C++Builder 5.0, onde imagens capturadas pelo robô móvel Magellan-ISR são transferidas pela rede via TCP/IP para um Personal Computer (PC) remoto. Após a verificação da robustez dos módulos de detecção do alvo através do sistema de visão, da estimação/predição da posição do alvo e do controlador fuzzy, fez-se a integração dos mesmos para aplicação em tempo real. Esta integração foi implantada no computador de bordo do robô móvel Magellan-ISR. Dos resultados obtidos, a robustez do sistema pode ser verificada em diversos ambientes e sob diferentes condições.

Este trabalho descreve os aperfeiçoamentos realizados na plataforma robótica móvel ROMEO III, dando origem ao robô ROMEO III.v2, onde os três principais desafios da navegação de robôs móveis são atacados: a localização, o mapeamento e o planejamento da trajetória. Esta nova configuração herda as soluções utilizadas em suas versões anteriores: o algoritmo A* para realizar o planejamento da trajetória e a utilização de encoders unido à detecção de marcos artificiais para a localização. Assim, para atacar o problema do mapeamento, o ROMEO III.v2 utiliza: 1) a metodologia Occupancy Grid para caracterizar o ambiente, 2) um arranjo de sonares com dois receptores e um transmissor para adquirir os dados do espaço em volta da plataforma (permitindo identificar o ângulo de recepção da onda ultra-sônica, além de estimar possíveis erros de leitura) e 3) uma bússola eletrônica é utilizada para identificar a orientação inicial da plataforma. Diversos testes são apresentados neste trabalho e mostram que o robô ROMEO III.v2 alcançou a sua finalidade dentro das limitações impostas pelo sonar: navegar autonomamente em um ambiente estático, estruturado e desconhecido.

A exploração autônoma de ambientes desconhecidos necessita da construção incremental e consistente de um modelo do local explorado para que o robô possa estimar com sucesso sua localização ao longo do trajeto executado. Este problema é conhecido como localização e mapeamento simultâneo (SLAM), sendo de fundamental importância para o estudo de robôs móveis autônomos. Este trabalho apresenta o resultado do desenvolvimento de um algoritmo para localização e mapeamento simultâneo baseado no algoritmo Iterative Closest Point (ICP). Como ferramenta de desenvolvimento e pesquisa um novo framework voltado a aplicações robóticas chamado Microsoft Robotics Developer Studio foi utilizado. A solução proposta utiliza o ICP para gerar uma estimativa inicial de deslocamento que é avaliada utilizando-se um índice de qualidade em que a varredura da leitura atual do scanner laser é sobreposta a um mapa previamente construído a partir de leituras anteriores do sensor laser. Se o índice for pior que um limite previamente definido, são geradas mais quatro estimativas de deslocamento nas proximidades da estimativa inicial. A que apresentar o melhor valor para o índice de desempenho é utilizada como estimativa final para o deslocamento. Para verificação da efetividade da solução proposta, foram utilizados cinco ambientes simulados diferentes no qual foram avaliados o ICP e a solução proposta. Os resultados das simulações indicam que a solução proposta obtém um desempenho sensivelmente superior ao ICP nos casos em que o ambiente apresenta quinas e saliências pois estas diminuem os efeitos danosos causados pela ambiguidade na estimativa de deslocamento. Destaca-se também a utilização do teste de hipótese pelo método Kolmogorov-Smirnov para duas amostras (KS) para verificação de semelhança e relevância das correções efetuadas pelos algoritmos em teste.

Soluções que se utilizem de filtros de partículas como método de estimação de parâmetros de sistemas dinâmicos analisam, em geral, uma população de amostras com o mesmo tamanho em todas as etapas do algoritmo. Porém, a manutenção de um mesmo número de partículas, independentemente do nível de certeza que se possui acerca do Sistema, pode contribuir para o alto processamento exigido para a implementação de algumas técnicas que se utilizem de Métodos Sequencias de Monte Carlo. A presente dissertação visa propor uma metodologia para o ajuste da população de partículas analisadas por um filtro de partículas. Para tanto, utiliza-se o Limite Inferior de Cramér Rao como medida do nível de certeza das estimativas, ajustando assim o tamanho da população a ser analisada de acordo com uma heurística simples. Para a prova de conceito da metodologia apresentada é utilizado o problema SLAM (Simultaneous Localization and Mapping), da robótica móvel. Trata-se da construção do mapa de um ambiente desconhecido concomitantemente com a localização do agente localizador na representação do ambiente criada. Mais especificamente, será utilizado o algoritmo mais recente da solução DP SLAM (Distributed Particle SLAM) - executada para a análise de um log de dados disponibilizado pela comunidade científica - para a elaboração de um algoritmo modificado que ajuste o número de partículas analisadas de acordo com o nível de certeza das estimativas realizadas. Pela natureza recursiva inerente ao problema considerado será utilizada uma metodologia também recursiva para o cálculo do Limite Inferior de Cramér Rao a posteriori, o qual fornece uma "medida" do máximo de informação que pode ser extraído de um sistema dinâmico quando os dados e os estados são considerados aleatórios, tendo em mente a análise de performance por uma perspectiva Bayesiana.

A partir de leis de controle utilizadas para modelagem de robôs móveis, é apresentado a implementação das mesmas no robô móvel MAGELLAN PRO do Laboratório de Robótica Móvel da Divisão de Eletrônica e Computação desta instituição. Em trabalhos anteriores foi desenvolvido a implementação para o modelo cinemático, em que são verificados que incertezas de natureza dinâmica influenciam o erro de postura do referido robô, ocasionando imprecisão em trajetórias mais complexas do robô. A lei de controle é desenvolvida a partir de modelo dinâmico proposto por Yamamoto, que considera não ocorrer um perfeito rastreamento de velocidade. É utilizada uma Rede Neural Artificial (RNA) com pesos ajustáveis, que trabalha juntamente ao controlador cinemático, para compensação dos distúrbios dinâmicos desconhecidos e limitados e também a dinâmica não-modelada do tipo não-estruturada, presentes em várias trajetórias propostas para o robô móvel. As trajetórias são diversificadas, para o controlador cinemático e para o controlador dinâmico, e são tornadas mais complexas para o controlador dinâmico, permitindo uma avaliação da melhora do mesmo em relação ao outro no problema de rastreamento de trajetória do robô móvel.

Freqüentemente o Exército Brasileiro necessita adquirir novos equipamentos de Guerra Eletrônica, no intuito de se adequar a uma nova realidade tecnológica ou para melhor adestrar seus quadros. Nesse contexto, faz-se necessário tomar conhecimento de novas tecnologias ou avaliar o desempenho das existentes por métodos científicos. Dessa forma, esta tese pretende levantar possibilidades e limitações dos sistemas de localização eletrônica de emissores eletromagnéticos por determinação da direção de chegada na faixa de VHF e UHF por visada direta, através de uma análise estatística das técnicas comumente empregadas e, baseando-se nas limitações levantadas, fazer um estudo da técnica acustoóptica voltada para a obtenção de ângulo de chegada, buscando analisar sua viabilidade como técnica alternativa para a superação das limitações levantadas para esses sistemas. Mostra-se uma avaliação de desempenho baseada num modelo de estimador de ângulo de chegada com distribuição uniforme que esclarece dúvidas sobre a região de cobertura e sobre a influência da forma da linha-base na acurácia das estimativas de posição. Apresenta-se um estudo da obtenção de ângulo de chegada, usando modulador acustoóptico ou célula Bragg multicanal e chega-se a conclusão teórica que é possível implementar processadores desse tipo para medir fase com precisão de até meio grau e conseqüentemente dando maior precisão à estimativa de ângulo de chegada. Mostra-se também que a técnica acustoóptica é eficiente para trabalhar em ambiente sujeito ao ruído térmico, o que a torna mais atraente. Além disso, modernas técnicas digitais permitem processar os sinais identificados e mostrá-los em tempo real, mais uma vez caracterizando uma superioridade desta técnica.

A robótica móvel autônoma é uma área de pesquisa onde o foco primordial concentra-se na busca incessante de meios que possibilitem a operação de um robô móvel sem a intervenção humana e de um modo mais inteligente possível. Para isso, essa busca pode ser dividida em diferentes ênfases: planejamento de ações, mapeamento de ambiente e localização do robô dentro do mundo em que se encontra. Mais especificamente, o problema de determinação da localização é considerado por alguns como o fator mais importante para capacitar a autonomia de um robô móvel. Muito já foi proposto sobre técnicas de localização, e, dentre as mais recentes, destaca-se o algoritmo de localização Monte Carlo, uma técnica eficiente no que diz respeito à solução dos diversos problemas que abrangem estimação de posição de um robô móvel. O trabalho aqui apresentado tem por objetivo a implementação de um algoritmo de estimação de posição baseado no algoritmo de localização Monte Carlo em conjunto com um Algoritmo Genético. Aqui, a função deste último é minimizar erros acentuados de localização, ocasionados pela deficiência dos modelos probabilísticos que representam a dinâmica de movimento e a percepção sensorial do robô. Isso acontece, principalmente no caso de sensores do tipo sonar diante de obstáculos do tipo quina. O resultado obtido é o método de localização Monte Carlo Genético, que se apresentou como uma possível solução para minimização desses erros de localização. O grande empecilho, porém, constatado nessa abordagem, é o elevado número de parâmetros a serem configurados. O desafio, então, torna-se encontrar o ajuste ideal de parametrização para obtenção de melhor desempenho deste método.