7/26/2019 Navegação de Robôs Móveis http://slidepdf.com/reader/full/navegacao-de-robos-moveis 1/24 Navegação de Robôs Móveis Historicamente, a necessidade sempre foi um fator motivador para que homens e animais se lançassem em viagens exploratórias em seu meio ambiente. Muitas vezes impelidos pela falta de recursos locais, como água e comida, viam-se obrigados a sair em busca destes recursos em outras regiões. Para realizar tal tarefa, era necessário que fossem capazes de encontrar um caminho que os levassem até regiões fartas, bem como, optar por rotas alternativas quando diante de obstáculos naturais e, não tão somente, serem também capazes de voltar ao seu local de origem para o trato de sua prole. Pode-se definir navegação com a ciência que estuda o direcionamento através da determinação da posição, da rota e da distância a ser percorrida, tendo como objetivos quatro pontos básicos: a.Selecionar uma rota ou curso; b.Evitar colisões com objetos fixos ou em movimento; c.Minimizar o consumo de energia e d. Obedecer às restrições de tempo impostas. Enfrentando essas mesmas dificuldades, os robôs móveis se propõem a realizar uma variedade de tarefas mais complexas que seus antecessores, os robôs industriais. Certamente, a parte mais relevante desta interação é o Sistema de Navegação que consiste em um conjunto de métodos e procedimentos que o robô utiliza para se locomover e encontrar seu caminho num certo ambiente. Portanto, para mover-se com desenvoltura, um robô deve possuir um sistema de navegação robusto, que seja capaz de traçar uma rota até o ponto de destino e guiá-lo de forma segura para si e para os outros elementos do ambiente.
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Uma técnica proposta como solução a este problema é o emprego de sensores
de diferentes modalidades, como por exemplo, o uso de uma câmera de vídeo
para incrementar as informações obtidas pelos sonares. Entretanto essa
técnica é mais utilizada para reduzir a acorrência da ambigüidade perceptual,
do que para elimina-la. Outra maneira de solucionar o problema é a adoção de
outras técnicas de posiciomanento associadas.
Figura 6.2: Mapa Topológico.
A forma mais usual de se implementar mapas métricos é através de mapas baseados
em grid , [Thrun 98]. A abordagem baseada em grid foi proposta em [Elfes 87] e [koren
91]. Nesta abordagem, o mundo é representado em uma forma bidimensional, utilizando
uma matriz, onde cada célula representa uma região do mundo. Desta forma, a área onderobô atuará é dividida em pequenas regiões, cuja dimensão pode variar de centímetros até
metros quadrados. Quanto maior o tamanho da região menor será a precisão do mapa.
No modelo de grid originalmente proposto [Elfes 87] e adotado em diversos
sistemas desde então, cada célula da matriz bidimensional que representa um ponto
Existem inúmeras abordagens para o problema de localização, do ponto de vista
estatístico, por exemplo, a tarefa de localizar um robô em um ambiente é considerada um
problema de predição [Thrun 00]. Por sua vez, algumas abordagens diferem tão somente
pela maneira de representarem o mundo.
Nos tópicos que se seguem comentaremos com mais detalhes os métodos que aplicam
cada um dos paradigmas definidos acima.
6.2.1 Ajuste de Posição usando Odometria
Odometria consiste em um procedimento matemático simples que determina a
localização atual de um veículo baseando-se em posição anterior conhecida e eminformações fornecidas por um dispositivo capaz de medir o deslocamento ao longo de um
caminho (odômetro).
Os dispositivos odométricos, ou encoders, mais comumente utilizados são
decodificadores acoplados diretamente aos eixos dos motores ou engrenagens. Similar a
técnica utilizada em periféricos como o mouse, um foto emissor e um foto receptor é
alinhado e, entre eles, fixo ao eixo da roda ou a haste de uma engrenagem, se encontra um
disco codificado com um padrão opaco/transparente, conforme mostra a Figura 6.5.
a) disco com pequenas fissuras através
das quais os feixes óticos passam.
b) foto emissor (à esquerda), foto receptor
(à direita) e entre eles, o disco
decodificador.
Figura 6.5: Esquema de um Decodificador Fotoelétrico.
Um dispositivo foto emissor envia um feixe de luz constante na direção de um sensor
foto sensível. Com a execução de um movimento, o eixo ou a haste gira e, juntamente com
eles, o disco. Devido ao padrão opaco/transparente codificado no disco, o movimento causa
uma intermitência no feixe de luz que é captado pelo foto receptor. A taxa de intermitência
é sempre proporcional a velocidade angular do disco, nos possibilitando uma estimativa do
deslocamento linear da roda ou da engrenagem em que o encoder está acoplado.
Uma característica peculiar deste método é o seu baixo custo de implementação, visto
que encoder s são dispositivos muito baratos quando comparados com câmaras de vídeo,
lasers ou sonares.
Como a idéia fundamental da odometria é a integração contínua e incremental dainformação que descreve o movimento ao longo do tempo, estamos inevitavelmente
fadados a um acúmulo progressivo do erro a cada iteração. Além de erros sutis, o método
odométrico está sujeito a ocorrência de erros potencialmente críticos, como por exemplo,
derrapagens.
Segundo [Borestein 96], existem basicamente duas categorias em que podemos
classificar os erros odométricos:
• Erros sistemáticos: são assim classificados por serem erros cuja quantificaçãoé proporcional ao longo do tempo e sua ocorrência segue uma freqüência, ou
seja, as diferenças entre os valores reais e os valores esperados são
proporcionais a cada amostragem de dados, sendo possível então, calcular de
antemão o erro para a próxima amostragem. São exemplos de erros
sistemáticos, medidas informadas diferentes das medidas reais (diâmetro das
rodas e distância entre eixos), rodas desalinhadas e decodificadores com
pequena precisão ou com taxa de amostragem menor que a velocidadedesenvolvida pelo robô.
Mesmo aparentemente ineficiente quando apresentado como único método para a
estimativa de posicionamento, os modelos odométricos ainda são largamente utilizados
para localização de robôs móveis, provavelmente por suas características de baixo custo e
pouca exigência de recursos computacionais.
Não obstante, ainda são empregados por muitos pesquisadores em sistemas híbridos,
mostrando-se viáveis quando associado a outras técnicas de localização. Sua utilização
pode ter uma contribuição significativa no desempenho global do sistema, pois permite um
espaçamento maior entre estimativas de posicionamento absoluto, que são
computacionalmente custosas.
6.2.2 Posicionamento Baseado em Mapas
Também chamada de “map matching” [Borentein 96], esta é uma técnica na qual o
robô utiliza, conjuntamente, mapas locais e mapas globais para estimar a localização
absoluta.
Através dos dados coletados por seus sensores, o robô constrói um mapa local do
ambiente. Este mapa é, então, comparado com um mapa global que deve ter sido
armazenado previamente na memória. Quando uma correspondência ocorre, então o robôestá apto para computar sua localização e orientação em relação ao ambiente.
Observe que aplicação deste método independe da técnica de mapeamento
empregada, ou seja, a busca de correlações entre o mapa local e o mapa global pode ser
realizada tanto para os mapas métricos quanto para os mapas topológicos.
A posição do robô é computada de forma que seja minimizada a diferença da
distância entre os pontos do mapa local e suas características correspondentes de mapa
global. Baseado na sua nova posição, as correspondências são recalculadas e o processo serepete até a mudança no erro agregado à distância entre pontos e segmentos de reta sejam
• Landmarks naturais: são marcas ou objetos nativos do ambiente, que
desempenham outras funções que não seja necessariamente o suporte para o
sistema de navegação. São exemplos de Landmarks naturais para o ambientede um laboratório marcas como portas, janelas, luminárias, cestos de lixo,
dentre outros objetos característicos deste tipo de ambiente. Na Figura 6.11
pode-se observar alguns Landmarks detectados pelo sistema FINALE
desenvolvido pelo “Robot Vision Laboratory” da Purdue University.
Figura 6.11: Exemplo de Landmarks Naturais para Sistemas Baseados
em Visão.
É importante ter em mente que as Landmarks naturais funcionam melhor em
ambiente altamente estruturados como corredores, chão de fábrica, etc. As Landmarks
naturais são os objetos ou características que já estão no ambiente e possuem outra função
além de auxiliar na navegação do robô.
As Landmarks artificiais são objetos ou marcas especificamente projetados paratornar possível a navegação do robô, por exemplo, marcas visuais, luzes sinalizadoras,
emissores de ondas de rádio, etc. Estas Landmarks podem ser colocados na região de
operação do robô pelos projetistas dos mesmo. Em situações onde não é possível a
instalação de Landmarks artificiais a solução é o uso de Landmarks naturais.
• Estabelecendo uma correspondência: Nesta etapa cada um dos Landmarks
observados na fase anterior, deve ser correlacionado com os Landmarks
presentes no modelo de mundo interno mantido pelo robô.
• Calcular a posição: é a fase onde efetivamente é determinada a posição dorobô em função das distâncias entre o robô e os Landmarks observados.
O posicionamento utilizando Landmarks tem a vantagem de que erros de posição são
limitados, porém o processo de detectação de Landmarks e a determinação do
posicionamento, em tempo real, podem não ser sempre possíveis.
A detecção e estabelecimento de uma correlação entre os dados captados pelos
sensores e as informações armazenadas no modelo de mundo, ainda consistem nas
principais dificuldades encontradas pelas implementações de sistemas de localização baseado em Landmarks. Por este motivo, as Landmarks devem ser cuidadosamente
escolhidas para serem facilmente reconhecidas pelo robô.
A primeira questão é determinar se uma landmark deve ser selecionada previamente
por um operador humano ou pelo próprio robô em tempo de execução. Considerando-se
que o ser humano e o robô possuem diferentes percepções de um mesmo ambiente, é
interessante que o robô selecione ele próprio suas Landmarks. De fato, os melhores
resultados com o uso de Landmarks vem sendo obtidos em sistemas onde o próprio robôdetermina quais são suas Landmarks.
O segundo aspecto diz respeito a forma com que as informações referentes a uma
landmark devem ser armazenadas. É importante utilizar um método de armazenamento que
permita a identificação de uma landmark de forma eficiente, considerando o ângulo de
observação da mesma, as condições de iluminação, etc. Além de preservar as diferenças
naturais existentes entre as diversas Landmarks mantendo o grau de confusão entre estas
baixo.Dentre as abordagens estudadas, a descrita em [Nehmzow 00] parece ser a mais
adequada a este projeto. Nesta abordagem as entradas dos sensores são transformadas, por
uma rede neural, em um vetor (R-Vetor) que representa o resultado da integração das
entradas para uma determinada posição. Cada posição deve possuir um R-Vetor único.