Este trabalho tem como objetivo o estudo de uma área da robótica chamada robótica móvel. Um robô móvel deve realizar uma navegação segura e esta é a principal motivação deste trabalho. Para tal foi desenvolvido um simulador de robótica móvel com visualização em 3D. Um dos grandes interesses na área de robótica móvel é a utilização de algoritmos de inteligência artificial. O objetivo deste trabalho é a utilização e simulação de inteligência artificial para o controle destinado ao desvio de obstáculos. As simulações são dinâmicas, ou seja, o robô não tem informação previa do cenário. Os algoritmos de inteligência artificial implementadas neste trabalho são lógica Fuzzy e Neurofuzzy. As contribuições do simulador são: a simulação e visualização em 3D com o cenário modelado em um programa CAD/3D, permite testar diversas configurações antes de testar o robô real, simula o ruído de sensores, utiliza lógica fuzzy e neurofuzzy para o desvio de obstáculos. Os resultados mostram a capacidade do sistema fuzzy para lidar com os dados ruidosos dos sensores assim como a influência das variáveis antecedentes e conseqüentes do sistema fuzzy de no comportamento do robô móvel para o desvio de obstáculos além da capacidade do sistema neurofuzzy de aprender a partir dos dados de treinamento mostrando uma melhoria no resultado das simulações. / This work has as objective the study of an area of the robotics named mobile robotics. A mobile robot must navigate in a safe way and this is the main motivation of this work. To do that a mobile robotics simulator with 3D visualization was developed. One of the great interests in mobile robotics is using artificial intelligence algorithms. The main point of this work is using and simulate artificial intelligence applied in obstacle avoidance control. The simulations are dynamics it means that the robot do not have previous information about the scenery. The artificial intelligence algorithms developed in this work are Fuzzy and Neurofuzzy logics. The simulator contributions are that the simulation and 3D visualization where the scenery is a 3D model from a CAD/3D software besides allows to test many configurations before testing the real robot and simulates noise from sensors and uses fuzzy and neurofuzzy logics to obstacle avoidance. The results show the fuzzy system capability to deal with the noisy data from sensors and how fuzzy variables influences the mobile robot behavior in obstacle avoidance besides the ability of neurofuzzy system to learn from training data showing improvements in the simulation results.

Made available in DSpace on 2016-12-12T17:38:31Z (GMT). No. of bitstreams: 1 Marlon Alcantara.pdf: 7618831 bytes, checksum: 4f3eda2c23fb87ff3373687e72470feb (MD5) Previous issue date: 2012-05-28 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Barcodes, already common in commercial environments and supermarkets, are applied in various situations as a way to record and acquire data automatically and quickly, using electronic devices. Barcodes do not incorporate features that allow identification of their position and orientation during the reading process, these resources are essential in everal areas, such as Augmented Reality (AR) and Mobile Robotics (MR). This paper shows a survey of applications in AR and MR and it was observed that several technologies are used for data logging and acquisition of position and orientation, at the same time or not, such as sensors, cameras and maps. Therefore, we developed a barcode with capacity to acquire position and orientation in a three-dimensional space. The development of barcode enriched, called QRPO, was reached through the calculation of the Direct Linear Transformation on a standard two-dimensional barcode, like QR Code with square shape, which allowed the extraction of translation, rotation and scale parameters using the capture device as reference, in this case, a low-cost webcam. With this, we developed QRPO versions to be applied both in Augmented Reality (using no edge) and in Mobile Robotics (using an edge): for the first, we made programs and tests which validated the robustness and efficiency calculating the position and orientation, and correctness of reading data, for the second, we created a solution to the problem of exploring an unknown environment, called mouse-cheese problem, from its conception to the definition of the movement control strategy, passing through deployment and testing. This application demonstrated that it is possible, with a single camera, to conduct a mobile robot acquiring position, orientation and data efficiently and avoiding the use of additional sensors, only using the QRPO. Thus, the result of this work, the QRPO, represents a new enriched barcode with the capacity of data representation and acquisition of position and orientation with wide applicability. / Os códigos de barras, já comuns em ambientes comerciais e supermercados, são aplicados em diversas situações como meio de registrar e adquirir, automática e rapidamente, dados por meio de leitura por dispositivos eletrônicos. Os códigos de barras não incorporam recursos que permitam a identificação de sua posição e orientação nos momentos de leitura, recursos estes essenciais em diversas áreas, como a Realidade Aumentada (RA) e Robótica Móvel (RM). Este trabalho fez um levantamento das aplicações em RA e RM e constatou-se que diversas tecnologias são utilizadas para registro de dados e aquisição de posição e orientação, às vezes juntas e às vezes isolada, tais como sensores, câmeras e mapas. Por isto, foi desenvolvido um código de barras com capacidade de aquisição de posição e orientação no espaço tridimensional. A elaboração do código de barras enriquecido, denominado QRPO, foi alcançada por meio do cálculo da Transformada Linear Direta sobre um código de barra bidimensional padronizado, do tipo QR Code e com forma quadrada, o que permitiu a extração dos parâmetros de translação, rotação e escala com referência ao dispositivo de captura, no caso uma webcam de baixo custo. Com isto, foram desenvolvidas versões do QRPO para serem aplicadas tanto para Realidade Aumentada (sem uso de uma borda) quanto para Robótica Móvel (com o uso da borda): para a primeira, foram feitos programas e testes que validaram a robustez e eficiência no cálculo da posição e orientação e a corretude na leitura de dados; para a segunda, foi elaborada uma solução para o problema de exploração de um ambiente desconhecido, denominado problema do rato-queijo , desde a sua concepção até a definição da estratégia de controle de movimentação, passando pela implantação e testes. Esta aplicação demonstrou que é possível com uma única câmera, conduzir um robô móvel adquirindo posição, orientação e dados de forma eficiente e dispensando o uso de sensores adicionais, apenas com o uso do QRPO. Assim, o resultado deste trabalho, o QRPO, representa um novo código de barras enriquecido com a capacidade de representação de dados e aquisição de posição e orientação e com ampla aplicabilidade.

Este trabalho tem como objetivo o estudo de uma área da robótica chamada robótica móvel. Um robô móvel deve realizar uma navegação segura e esta é a principal motivação deste trabalho. Para tal foi desenvolvido um simulador de robótica móvel com visualização em 3D. Um dos grandes interesses na área de robótica móvel é a utilização de algoritmos de inteligência artificial. O objetivo deste trabalho é a utilização e simulação de inteligência artificial para o controle destinado ao desvio de obstáculos. As simulações são dinâmicas, ou seja, o robô não tem informação previa do cenário. Os algoritmos de inteligência artificial implementadas neste trabalho são lógica Fuzzy e Neurofuzzy. As contribuições do simulador são: a simulação e visualização em 3D com o cenário modelado em um programa CAD/3D, permite testar diversas configurações antes de testar o robô real, simula o ruído de sensores, utiliza lógica fuzzy e neurofuzzy para o desvio de obstáculos. Os resultados mostram a capacidade do sistema fuzzy para lidar com os dados ruidosos dos sensores assim como a influência das variáveis antecedentes e conseqüentes do sistema fuzzy de no comportamento do robô móvel para o desvio de obstáculos além da capacidade do sistema neurofuzzy de aprender a partir dos dados de treinamento mostrando uma melhoria no resultado das simulações. / This work has as objective the study of an area of the robotics named mobile robotics. A mobile robot must navigate in a safe way and this is the main motivation of this work. To do that a mobile robotics simulator with 3D visualization was developed. One of the great interests in mobile robotics is using artificial intelligence algorithms. The main point of this work is using and simulate artificial intelligence applied in obstacle avoidance control. The simulations are dynamics it means that the robot do not have previous information about the scenery. The artificial intelligence algorithms developed in this work are Fuzzy and Neurofuzzy logics. The simulator contributions are that the simulation and 3D visualization where the scenery is a 3D model from a CAD/3D software besides allows to test many configurations before testing the real robot and simulates noise from sensors and uses fuzzy and neurofuzzy logics to obstacle avoidance. The results show the fuzzy system capability to deal with the noisy data from sensors and how fuzzy variables influences the mobile robot behavior in obstacle avoidance besides the ability of neurofuzzy system to learn from training data showing improvements in the simulation results.

This research project took part in the SENA project (Autonomous Embedded Navigation System), which was developed at the Mobile Robotics Lab of the Mechatronics Group at the Engineering School of São Carlos, University of São Paulo (EESC - USP) in collaboration with the São Carlos Institute of Physics. Aiming for an autonomous behavior in the prototype vehicle this dissertation focused on deploying some machine learning algorithms to support its perception. These algorithms enabled the vehicle to execute articial-intelligence tasks, such as prediction and memory retrieval for object classication. Even though in autonomous navigation there are several perception, cognition and actuation tasks, this dissertation focused only on perception, which provides the vehicle control system with information about the environment around it. The most basic information to be provided is the existence of objects (obstacles) around the vehicle. In formation about the sort of object it is also provided, i.e., its classication among cars, pedestrians, stakes, the road, as well as the scale of such an object and its position in front of the vehicle. The environmental data was acquired by using a camera and a Velodyne LiDAR. A ceiling analysis of the object detection pipeline was used to simulate the proposed methodology. As a result, this analysis estimated that processing specic regions in the PDF Compressor Pro xii image (i.e., Regions of Interest, or RoIs), where it is more likely to nd an object, would be the best way of improving our recognition system, a process called image normalization. Consequently, experimental results in a data-fusion approach using laser data and images, in which RoIs were found using the LiDAR data, showed that the fusion approach can provide better object detection and classication compared with the use of either camera or LiDAR alone. Deploying a data-fusion classication using RoI method can be executed at 6 Hz and with 100% precision in pedestrians and 92.3% in cars. The fusion also enabled road estimation even when there were shadows and colored road markers in the image. Vision-based classier supported by LiDAR data provided a good solution for multi-scale object detection and even for the non-uniform illumination problem. / Este projeto de pesquisa fez parte do projeto SENA (Sistema Embarcado de Navegação Autônoma), ele foi realizado no Laboratório de Robótica Móvel do Grupo de Mecatrônica da Escola de Engenharia de São Carlos (EESC), em colaboração com o Instituto de Física de São Carlos (IFSC). A grande motivação do projeto SENA é o desenvolvimento de tecnologias assistidas e autônomas que possam atender às necessidades de diferentes tipos de motoristas (inexperientes, idosos, portadores de limitações, etc.). Vislumbra-se que a aplicação em larga escala desse tipo de tecnologia, em um futuro próximo, certamente reduzirá drasticamente a quantidade de pessoas feridas e mortas em acidentes automobilísticos em estradas e em ambientes urbanos. Nesse contexto, este projeto de pesquisa teve como objetivo proporcionar informações relativas ao ambiente ao redor do veículo, ao sistema de controle e de tomada de decisão embarcado no veículo autônomo. As informações mais básicas fornecidas são as posições dos objetos (obstáculos) ao redor do veículo; além disso, informações como o tipo de objeto (ou seja, sua classificação em carros, pedestres, postes e a própria rua mesma), assim como o tamanho deles. Os dados do ambiente são adquiridos através do emprego de uma câmera e um Velodyne LiDAR. Um estudo do tipo ceiling foi usado para simular a metodologia da detecção dos obstáculos. Estima-se que , após realizar o estudo, que analisar regiões especificas da imagem, chamadas de regiões de interesse, onde é mais provável encontrar um obstáculo, é o melhor jeito de melhorar o sistema de reconhecimento. Observou-se na implementação da fusão dos sensores que encontrar regiões de interesse usando LiDAR, e classificá-las usando visão artificial fornece um melhor resultado na hora de compará-lo com os resultados ao usar apenas câmera ou LiDAR. Obteve-se uma classificação com precisão de 100% para pedestres e 92,3% para carros, rodando em uma frequência de 6 Hz. A fusão dos sensores também forneceu um método para estimar a estrada mesmo quando esta tinha sombra ou faixas de cor. Em geral, a classificação baseada em visão artificial e LiDAR mostrou uma solução para detecção de objetos em várias escalas e mesmo para o problema da iluminação não uniforme do ambiente.