Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2009. / Submitted by Raquel Viana (tempestade_b@hotmail.com) on 2010-04-20T20:47:33Z
No. of bitstreams: 1
2009_MarianaCostaBernardes.pdf: 4546495 bytes, checksum: 3ffb81cfbd37577464a1c8b699d51c6a (MD5) / Approved for entry into archive by Lucila Saraiva(lucilasaraiva1@gmail.com) on 2010-04-23T02:19:31Z (GMT) No. of bitstreams: 1
2009_MarianaCostaBernardes.pdf: 4546495 bytes, checksum: 3ffb81cfbd37577464a1c8b699d51c6a (MD5) / Made available in DSpace on 2010-04-23T02:19:31Z (GMT). No. of bitstreams: 1
2009_MarianaCostaBernardes.pdf: 4546495 bytes, checksum: 3ffb81cfbd37577464a1c8b699d51c6a (MD5)
Previous issue date: 2009-04 / Classicamente, o controle servo visual é aplicado em abordagens determinísticas que fazem uso direto dos parâmetros extraídos da imagem ou que os utilizam para determinar a posição do robô no plano cartesiano e com isso calcular a ação de controle. Tais métodos, no entanto, são bastante susceptíveis a ruídos de medição e pouco tolerantes a falhas como obstrução ou perda do rastreamento das características visuais. Estes problemas poderiam ser minimizados com uma abordagem estocástica, fazendo-se uso do modelo de evolução das características visuais e de informação sensorial adicional para estimar os valores de tais parâmetros. Este trabalho busca obter uma abordagem de controle servo visual baseado em retas combinado a um processo simultâneo de reconstrução tridimensional por Filtro de Kalman Estendido. Propõe-se então um controlador para robôs móveis omnidirecionais, que utiliza um sistema binocular de câmeras como principal fonte de informação, associado a medidas de odometria fornecidas pelo robô para estimar o modelo das retas no espaço 3D. As estimativas obtidas são utilizadas no cálculo da ação de controle servo visual e com isso busca-se atenuar os problemas apresentados acima, presentes nas abordagens usuais. O método proposto é validado sobre um robô móvel omnidirecional numa tarefa de aproximação de portas e seu desempenho é comparado ao de um controlador cujas características são extraídas diretamente das imagens. ________________________________________________________________________________________ ABSTRACT / Classically, visual servoing is applied in deterministic approaches that use parameters extracted directly from images or that use these parameters to calculate the robot’s position in cartesian plane to define control action. However, these methods are very sensitive to measurement noise and not tolerant to fail situations like lost of tracking or obstruction of visual features. Such problems could be minimized with a stochastic approach, using the evolution model of image features and additional sensor information to estimate the parameters. This work purposes a line based visual servoing approach combined with a simultaneous tridimensional reconstruction process with Extended Kalman Filter. We propose a controller for omnidirectional mobile robots that use a binocular camera system as the main information source, combined with odometry measurements provided by the robot to estimate the 3D line model. The control signal is calculated with the obtained estimates in order to attenuate the problems presented above, observed in usual visual servoing approaches. The proposed method is evaluated on an omnidirectional mobile robot in a docking task and its performance is compared to a controller whose visual features are extracted directly from images.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/4301 |
| Date | 04 1900 |
| Creators | Bernardes, Mariana Costa |
| Contributors | Borges, Geovany Araújo |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds