[pt] Um dos problemas em soluções que envolvam mobilidade é estimar a
posição do robô com precisão. Em ambientes externos, o sensor GPS é o mais
comumente utilizado, pois o mesmo fornece uma posição global, porém existe
uma imprecisão que é superior a alguns metros, além de depender da visibilidade
aos satélites. Outra solução é utilizar um sensor inercial, que no início da operação
apresenta uma boa precisão, porém o erro de posicionamento cresce
ilimitadamente por ser calculado através da integral dupla das acelerações e
velocidades angulares medidas. O presente trabalho desenvolve um sistema de
localização de robôs móveis em ambientes externos. As soluções do
posicionamento via GPS e via sensor inercial são combinadas através de um filtro
de Kalman, reduzindo a incerteza da obtenção da posição. O equacionamento e
duas implementações distintas do filtro de Kalman serão apresentadas. Uma
implementação clássica e uma versão estendida para sensores inerciais de baixa
qualidade, a qual utiliza a orientação fornecida por bússolas na filtragem. Através
de experimentos e simulações será demonstrada a eficácia da localização através
do filtro de Kalman e a melhora na performance do mesmo quando utilizado a
implementação estendida em comparação a clássica. / [en] One of the problems with solutions that involve mobility is to accurately
estimate the robot s position. In an outdoor environment, the GPS sensor is the
most commonly used method because it provides a global position, but with an
error margin that is greater than just a few meters, and creates a dependency on
the visibility of the satellites. Another solution is to use an inertial sensor, which
at the beginning of the operation shows good accuracy, but the positioning error
grows indefinitely because it is calculated by a double integral of acceleration and
angular velocity measures. This work develops a system for localization of mobile
robots in outdoor environments. The positions are estimated via GPS and inertial
sensors, combined using a Kalman filter, reducing the uncertainty. The equations
and two distinct implementations of the filter will be presented. A classical
implementation and an extended version for low-grade inertial measurement units,
which utilizes the orientation given by compasses in the filtering process. The
effectiveness of the Kalman filter navigation is verified through experimental and
simulation results. The performance gain of the extended filter in comparison to
the classic is also verified.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:15124 |
| Date | 05 February 2010 |
| Creators | PATRICK MERZ PARANHOS |
| Contributors | MARCO ANTONIO MEGGIOLARO, MARCO ANTONIO MEGGIOLARO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0021 seconds