rastreamento de trajetórias - apresentação final

12/11/07 PTC2530 - Projeto de Formatura 1

Rastreamento de trajetórias de robôs móveis

Orientador: Prof. Dr. José Jaime da Cruz

George GuimarãesJonathan Xavier

Tatiana Ozeki

12/11/07 PTC2530 - Projeto de Formatura 2

confiar em sensores?

12/11/07 PTC2530 - Projeto de Formatura 3

Problema: localização

12/11/07 PTC2530 - Projeto de Formatura 4

Objetivos

Estudar o problema de estimação de trajetórias de robôs móveis

Avaliar o efeito do número de sensores na estimação

Avaliar o desempenho da estimação utilizando o filtro de Kalman

12/11/07 PTC2530 - Projeto de Formatura 5

Referências Bibliográficas

Gelb, Arthur Applied Optimal Estimation

Hall, D.L. Llinas, J. An introduction to multisensor data fusion

Durrant-Whyte, Hugh Sensor Models and Multisensor Integration

Gutmann, J. S. et al. An experimental comparison of localization

methods

12/11/07 PTC2530 - Projeto de Formatura 6

Filtro de Kalman e Modelo do Sistema

12/11/07 PTC2530 - Projeto de Formatura 7

Aplicação do Algoritmo

(1) Calcular o ganho de Kalman

(2) Atualizar a estimativa com a medida zk

(3) Atualizar a covariância do erro

(1) Projetar o estado à frente

(2) Projetar a covariância do erro à frente

Atualização das Medidas (“Corretor”) Atualização do tempo (“Preditor”)

kkk BuxAx

1ˆˆ

QAAPP Tkk

1

1 RHHPHPK Tk

Tkk

kkkkk xHzKxx ˆˆˆ

kkk PHKIP

Estimativas iniciais

12/11/07 PTC2530 - Projeto de Formatura 8

Modelo do sistema

12/11/07 PTC2530 - Projeto de Formatura 9

Equações de Estado

1100

0100

0010

0001

A

pXx 1

pYx 2

3x

4x

,

11 )()( kkk wtAxtx

12/11/07 PTC2530 - Projeto de Formatura 10

Equações de Medidas

kkk vxhz )(

1635341 sincos)( vxYxxxxxh pik

2635342 cossin)( vxXxxxxxh pik

Onde piX e piY são as distâncias dos sensores ao eixo.

12/11/07 PTC2530 - Projeto de Formatura 11

Plataforma

12/11/07 PTC2530 - Projeto de Formatura 12

12/11/07 PTC2530 - Projeto de Formatura 13

12/11/07 PTC2530 - Projeto de Formatura 14

12/11/07 PTC2530 - Projeto de Formatura 15

12/11/07 PTC2530 - Projeto de Formatura 16

Desalinhamento dos eixos

12/11/07 PTC2530 - Projeto de Formatura 17

Software de medição

12/11/07 PTC2530 - Projeto de Formatura 18

Mouse reader

12/11/07 PTC2530 - Projeto de Formatura 19

Vetores

12/11/07 PTC2530 - Projeto de Formatura 20

Simulação

12/11/07 PTC2530 - Projeto de Formatura 21

Caso ideal

12/11/07 PTC2530 - Projeto de Formatura 22

Com erro de alinhamento

12/11/07 PTC2530 - Projeto de Formatura 23

Alinhamento corrigido

12/11/07 PTC2530 - Projeto de Formatura 24

Resultados Experimentais

12/11/07 PTC2530 - Projeto de Formatura 25

12/11/07 PTC2530 - Projeto de Formatura 26

12/11/07 PTC2530 - Projeto de Formatura 27

12/11/07 PTC2530 - Projeto de Formatura 28

12/11/07 PTC2530 - Projeto de Formatura 29

12/11/07 PTC2530 - Projeto de Formatura 30

12/11/07 PTC2530 - Projeto de Formatura 31

Conclusões

Filtro de Kalman: preditor poderoso Conhecimento do modelo é essencial Conhecimento dos sensores auxilia a

estimativa Aumento do número de sensores

melhora a estimativa Estimativa do ângulo é fraca

12/11/07 PTC2530 - Projeto de Formatura 32Obrigado!

?