fusÃo de dados aplicada À robÓtica mÓvel · cada um dos módulos do robô depende, direta ou...

da Vinci , Curitiba, v. 2 , n. 1, p. 133-142, 2005da Vinci , Curitiba, v. 2 , n. 1, p. 1-208, 2005 143143143143143

FUSÃO DE DADOS APLICADAÀ ROBÓTICA MÓVELROBERTO SELOW

Professor - Engenharia Elétrica e Engenharia da Computação - UnicenP/Centro Universitário [email protected]

LAERTE DAVI CLETOProfessor - Engenharia Elétrica - UnicenP/Centro Universitário Positivo

[email protected]

da Vinci , Curitiba, v. 2 , n. 1, p. 143-154, 2005

FUSÃO DE DADOS APLICADA À ROBÓTICA MÓVEL

144144144144144

RESUMO

Este trabalho faz uma breve introdução ao conceito da fusão de dados aplicada àrobótica móvel. A fusão ocorre a partir do processo de aquisição de dados provenientes dediferentes sensores, cada qual com características e limitações individuais. São abordados osprincipais aspectos da fusão de dados, os níveis de fusão e a classificação das arquiteturas.

Palavras-chave: fusão de dados, robôs móveis, sensores.

ABSTRACT

This work makes a brief introduction to the concept of data fusion applied to themobile robotics. The fusion occurs after de data acquisition from different sensors, each onewith characteristics and individual limitations. The main aspects of the data fusion are reported,the fusing levels and the classification of the architectures are boarded.

Key words: data fusion, mobile robots, sensing.


ROBERTO SELOW E LAERTE DAVI CLETO

145145145145145

1 INTRODUÇÃO

No passado houve máquinas feitas de chapas de aço com a aparência de baldes e queeram operadas por usuários remotos e se passavam por robôs móveis. Atualmente requisitosde alto desempenho demandam precisão e soluções científicas da indústria robótica(SINGHAL, 1997). Dentre as características desejadas para os robôs estão a mobilidade,inteligência e flexibilidade para desenvolver diferentes tarefas, em diversos ambientes, segun-do scheduling próprio e tudo isto sem o auxílio de operadores (BORENSTEIN et al., 1996;JOCHEM & POMERLEAU, 1996; TSUBOCHI et al., 1993). Um grande número de pesqui-sadores têm trabalhado buscando a integração destas capacidades em um único robô devidoàs novas possibilidades de operação dos robôs móveis. Uma solução definitiva ainda estálonge de ser alcançada e restam vários problemas a serem resolvidos.

O projeto de um robô não é uma tarefa simples e em função da complexidade eincertezas do tema em questão, pode-se dividi-lo em subtemas assim enumerados (SINGHAL,1997; ROSENBLATT, 1997):

- A localização do robô.- O reconhecimento de objetos e de marcos (landmark).- O planejamento de trajetórias.- O processamento de sinais e a combinação dos dados provenientes dos sensores.- A estratégia de controle.Existe, entretanto, algo em comum entre todos os subtemas apresentados anterior-

mente. Cada um dos módulos do robô depende, direta ou indiretamente, de informações domundo que o rodeia para desempenhar as tarefas que lhe foram destinadas. A utilização desensores se torna, portanto, indispensável. Quanto melhores os sensores e mais eficientes osalgoritmos que tratarão estas informações tanto melhor será o desempenho do robô.

Os sensores de um robô são classificados em duas categorias: sensores internos esensores externos para navegação. Os sensores internos monitoram os estados próprios dorobô, como, por exemplo: velocidade, deslocamento, orientação, inclinação, tensão, corren-te, etc. Os sensores externos para navegação têm o propósito de medir e abstrair caracterís-ticas do ambiente, como, por exemplo: distância, cor, larguras das vias de trânsito, tamanhodos cômodos, contorno de objetos, etc. Os sensores externos para navegação podem, porsua vez, ser classificados em sensores baseados em visão e sensores que não são baseados emvisão. Os sensores de visão, em muitas ocasiões, permitem imitar o sentido da visão huma-na obtendo grandes quantidades de informações úteis à navegação do robô. A grande quan-tidade de informações, à medida que enriquece a capacidade de integração do robô com o

FUSÃO DE DADOS APLICADAÀ ROBÓTICA MÓVEL

ROBERTO SELOW / LAERTE DAVI CLETO



146146146146146

ambiente, também exige uma grande demanda de processamento. Esta característica repre-senta uma dificuldade em se tratando de respostas em tempo real. Os sensores não baseadosem visão utilizam diversos princípios físicos dentre os quais destacam-se: luz infravermelha,raio laser, rádio freqüência (RF), força, som, cheiro, etc. Estes sensores, normalmente, apre-sentam sinais de saída fáceis de serem tratados e interpretados.

Novos sensores vêm sendo desenvolvidos e incrementam a lista de possibilidades dosprojetistas. Como exemplo, pode-se citar o sonar com uma vasta utilização na robótica móvel.Este sensor tem exigido um grande esforço dos pesquisadores que têm que interpretar ossinais obtidos para transformá-los em informações úteis. O scanner a laser para medição dedistâncias desenvolvido pela SICK1 , por outro lado, é um exemplo da nova geração de sensoresque têm muito melhor resolução angular e de distâncias se comparado àquelas apresentadaspelo sonar. O sensor da SICK além de preciso é de fácil utilização e apropriado para as tarefasde navegação do robô. Apesar da evolução e por melhor que um sensor seja, não é possívelutilizá-lo isoladamente pois este não é capaz de coletar todas as informações necessárias.

Também observa-se um grande esforço dos pesquisadores para a obtenção de mode-los matemáticos dos sensores que sejam cada vez mais precisos. Estes modelos procuramdescrever as capacidades e limitações dos sensores restringindo, por outro lado, a ação doruído. Os modelos adaptativos, com capacidade de aprendizado autônomo, são apropriadospara sistemas dinâmicos em que a resposta deve ocorrer em tempo real.

Apesar da evolução dos sensores não é possível descrever todos os aspectos do ambi-ente utilizando um único sensor, ele proporciona apenas uma visão parcial do mundo. Alémdisso todos os sensores sofrem com a ação indesejada de ruído, desgaste ao longo do tempo,imprecisão, etc. O grande desafio está em: como projetar um robô que execute suas tarefas,navegando na presença de pessoas, sem risco de colisão, utilizando sensores com capacidadeslimitadas. A solução baseia-se no fato de que cada sensor pode proporcionar diferentes tiposde informação que, ao serem unidas, geram uma descrição completa do ambiente. Em outraspalavras, a fusão de dados resolve o problema da limitação individual dos sensores e torna oconhecimento sobre o ambiente mais completo e robusto (HUOSHENG & GAN, 2005).

A fusão de dados não é nova e muitos trabalhos sobre o tema já foram realizados.Porém há muito pouco sobre a sua definição formal. Lucien WALD (1998 e 1999) definefusão de dados como uma estrutura formal usada para expressar a convergência de dados dediferentes fontes nas quais está explícito o significado e as ferramentas necessárias à suaunião. O Departamento de Defesa do Estados Unidos através do JDL2 definiu a fusão dedados como o processo em vários níveis concernentes com a detecção automática, associa-ção, correlação, estimação e a combinação de dados de uma ou mais fontes (U.S. Departmentof defense, 1991). Na fusão de dados as informações podem ser de vários tipos, que vãodesde medições numéricas até relatórios linguísticos. (CARVALHO et al., 2003).

Justificar a utilização da fusão de dados unicamente na associação de vários sensores éinsuficiente, torna-se necessário analisar novas possibilidades. A seguir as principais justifica-tivas para o emprego da fusão de dados (JOSHI & SANDERSON, 1999):

1A Sick é um dos líderes mundiais na produção de sensores e soluções para aplicações industriais. A Sick produz o sensorS 3000 que pode ser utilizado para a medição de distâncias de até 7 m com uma resolução de 70 mm.2JDL - The Joint Directors of Laboratories o f the U.S. Department of defense.



147147147147147

-A possibilidade de redução de custo pela utilização de sensores mais baratos e pela dedistribuição do processamento devido às inúmeras fontes de sinal.- A possibilidade de redução do tempo devido ao paralelismo no processamento oupela utilização de sensores mais rápidos.- A possibilidade de tornar o sistema mais robusto devido à utilização de um maiornúmero de sensores e por basearem-se em diferentes princípios físicos.- A possibilidade de obtenção de um sistema mais preciso através da utilização deinformações redundantes de vários sensores.A seguir apresenta-se uma breve discussão sobre os detalhes de maior relevância en-

volvidos na fusão de dados.

2 PRINCIPAIS ASPECTOS DA FUSÃO DE DADOS

Ao iniciar-se a implementação de um módulo de fusão de dados, é necessário estabe-lecer uma discussão prévia sobre os principais aspectos envolvidos na fusão de dados e sobreo cenário em que esta ocorrerá. A lista que segue detalha os itens de maior relevância doassunto (JOSHI & SANDERSON, 1999).

- Alinhamento das informações: cada sensor possui diferentes formas de representa-ção dos dados. Antes de se promover a fusão de dados é necessário alinhar as infor-mações.- Incerteza: as informações dos sensores são inerentemente incertas devido a erros demedição ou devido ao ruído presente no sinal.- Dados incompletos: quando as informações obtidas pelo sensor não são suficientespara descrever o ambiente diz-se que os dados são incompletos.- Inconsistência de dados: os dados são ditos inconsistentes quando permitem váriasinterpretações diferentes.- Granularidade: diferentes sensores apresentam diferentes níveis de granularidade.Os dados podem ser esparsos ou densos.- Ambientes estáticos ou dinâmicos: os sensores podem observar ambientes estáticosem que os objetos estão sempre nos mesmos lugares e que não há a circulação depessoas ou ambientes dinâmicos em que os objetos podem se movimentar e há acirculação de pessoas.- Escalas de tempo: em ambientes dinâmicos os sensores podem atuar em diferentesescalas de tempo, conforme o tempo de resposta de cada sensor.- Modularidade: é a capacidade de processamento das informações de forma modularo máximo possível. Esta característica está diretamente relacionada à arquitetura utili-zada na construção do robô móvel.Os cenários da fusão de dados dividem-se em complementar, competitivo e coopera-

tivo (Figura 1). No primeiro caso sensores observam características diferentes do ambiente ecada um apresenta uma parcela de informações necessárias para a composição do ambientecomo um todo. No segundo caso existe uma competição entre os sensores que detectam amesma informação do ambiente porém de forma reduntante, a competição pode ser útil naredução da incerteza. E, por fim, a cooperação entre os sensores em que estes auxiliam umaos outros gerando uma dependência entre eles (JOSHI & SANDERSON, 1999)



148148148148148

3 NÍVEIS DE FUSÃO DE DADOS

A subdivisão da fusão de dados em níveis foi proposta originalmente pelo governodos Estados Unidos através do JDL. O modelo conhecido como Modelo de Processo deFusão de Dados JDL estabeleceu objetivos específicos através dos 4 níveis que se iniciamcom a coleta de dados (nível 0), passa pela compreensão da entidade (nível 1), conhecimentoda situação (nível 2), conhecimento da ameaça (nível 3) e ,finalmente, a realocação de recursose processos para enfocar lacunas existentes entre o plano e as ameaças (nível 4). Este modelo,apesar de ter sido utilizado em larga escala em aplicações militares, é bastante específico e dedifícil adaptação para outras áreas, como no caso da robótica móvel (Figura 2)(STEINBERGet al.,1999).

No trabalho de LUO & KAY (1992) é apresentada uma subdivisão dos níveis de fusãode dados em quatro categorias. A subdivisão proposta neste trabalho é muito parecida comaquela proposta pelo JDL. Na relação a seguir são apresentados os níveis e alguns exemplosde métodos utilizados para a fusão de dados.

- Nível de sinal: neste nível ocorre a combinação de sinais provenientes de sensoressimilares em que um sinal de melhor qualidade, semelhante aos originais, é gerado.- Nível de pixel: neste nível ocorre a fusão de imagens através da correspondênciaespacial ou da associação de dados. Nesta etapa encontram-se os filtros digitais,morfologia matemática, álgebra da imagem e simulated anneling3 .- Nível de características: neste nível ocorre a fusão decorrente de sinais e imagens queformam uma representação única do ambiente. Os métodos mais empregados são aestimação Gauss-Markov e o Filtro de Kalman Extendido (EKF).- Nível de símbolos: neste nível, símbolos (que representam uma decisão) associadosa um nível de incerteza são combinados formando uma decisão composta. Os méto-dos empregados são: Estimação bayesiana, Teoria da evidência de Dempster-Shafer elógica fuzzy

Figura1 - Cenários da fusão de dados.(JOSHI & SANDERSON, 1999)

3Simulated Annealing (SA) é um método de otimização heurístico para determinação de mínimos de um sistema.



149149149149149

No trabalho de CARVALHO et al. (2003), os níveis da fusão de dados são aplica-dos à engenharia biomédica e não têm uma abordagem militar conforme as demais. Nes-te trabalho os autores sugerem que os dados podem ser provenientes de um sensor,sensores redundantes, variáveis4 redundantes e finalmente variáveis e sistemas. Tambémé possível fazer a fusão de diferentes níveis de dados. A classificação do nível de fusão dedados dependerá, portanto, da origem dos dados.

4 ARQUITETURAS DE FUSÃO DE DADOS

Os diferentes algoritmos encontrados na literatura, de acordo com a arquiteturade fusão de dados empregada, podem ser classificados nas seguintes categorias: centrali-zada, hierárquica e descentralizada. Não é possível afirmar qual destas arquiteturas é amelhor. Entre os autores existem aqueles que defendem a fusão descentralizada e outrosque adotam uma arquitetura centralizada principalmente pelos problemas que a arquite-tura anterior apresenta. A seguir serão discutidas as três arquiteturas e as vantagens edesvantagens de cada uma delas.

4.1 Arquitetura Centralizada

Nesta arquitetura um processador central está conectado a todos os sensores para, apóscoletar as informações, processá-las (Figura 3). O processador tem a sua disposição todas asinformações possíveis (MUTAMBARA, 1998). Esta arquitetura tem como vantagem a suasimplicidade e a impossibilidade de propagação indevida de pedaços de informação. (HALL

Figura 2 – Modelo revisado de fusão de dados JDL. (STEINBERG et al.,1999)

4Segundo CARVALHO et al. (2003) as variáveis são as características obtidas dos dados após um processamento prévio dasinformações.



150150150150150

& LLINAS, 2001). As grandes desvantagens desta arquitetura são a sobrecarga computacionale a baixa tolerância a falhas (BAR-SHALOM et al., 2001).

4.2 Arquitetura Hierárquica

O princípio desta arquitetura baseia-se na redução de sobrecarga de comunicação e doesforço computacional através da distribuição do processamento. Os processadores respon-sáveis pela fusão local (centros de fusão local), após efetuarem a fusão de dados, enviam asinformações a um processador central (Figura 4). Apesar da divisão de sobrecarga deprocessamento entre diversos processadores, algumas desvantagens da arquitetura centraliza-da ainda se fazem presentes nesta arquitetura. Adicionalmente tem-se a desvantagem de umacamada adicional a qual acrescenta um nível a mais de dificuldade na construção do algoritmo(MUTAMBARA, 1998).

Figura 3- Arquitetura centralizada. (MUTAMBARA, 1998)

Figura 4- Arquitetura hierarquizada. (MUTAMBARA, 1998)



151151151151151

4.3 Arquitetura Descentralizada

Um sistema descentralizado é aquele em que todas as informações são processadaslocalmente, sendo constituído por uma rede de nós, sem a figura de um processador central.Neste sistema as informações estão sempre próximas aos nós e são eles os responsáveis pelafusão de dados sendo a única forma de comunicação a de nó para nó.

Nesta arquitetura cada sensor é um nó que faz observações locais e troca informaçõescom outros nós. Os outros nós assimilam a informação comunicada e fazem estimaçõeslocais. Em um sistema de controle descentralizado os nós utilizam o resultado da fusão paragerar um sinal de controle local.

Além da idéia de que haja uma distribuição do processamento, a arquitetura descen-tralizada também possibilita a utilização de um sistema plug-and-play para a conexão dossensores sem que haja a necessidade de nenhuma modificação nas rotinas (MUTAMBARA,1998).

Apesar de a noção de descentralização, que intuitivamente teve um grande apelo du-rante muitos anos, antecipar os seus resultados, ela se mostrou extremamente difícil. As pes-quisas mostraram que, se a comunicação não for extremamente controlada, os pedaços deinformação se propagam de forma redundante pela rede e podem ser reutilizadas de formaindevida. Várias abordagens buscaram resolver este problema porém nenhuma se mostrouinteiramente satisfatória. Nos meados da década de noventa este problema revelou-se comouma limitação teórica deste tipo de arquitetura que não pode ser resolvido através do usotradicional de controle Bayesiano e métodos de estimação como o filtro de Kalman (HALL &LLINAS, 2001).

Figura 5- Arquitetura descentralizada. (MUTAMBARA, 1998)



152152152152152

5 CONCLUSÃO

O desenvolvimento de projetos de robôs móveis não é mais possível sem a utilizaçãode diversos tipos de sensores. As informações que estes sensores apresentam são heterogêne-os entre si e têm pouca relevância se analisados separadamente. Neste trabalho é apresentadauma visão geral da fusão de dados como forma de integração das informações para a criaçãode um único mapa do ambiente.

No artigo são apresentados os diversos níveis de fusão de dados e a classificação queauxilia no estudo do módulo de fusão. Na última parte as diferentes arquiteturas aplicadas àfusão de dados são estudadas e os pontos fortes e fracos de cada arquitetura são discutidos.Apesar da divisão entre os grupos de pesquisa quanto ao tipo de arquitetura a ser utilizada nosdiferentes projetos, todos são unânimes em que a escolha está diretamente relacionada àaplicação em que a fusão de dados será utilizada.

Na continuidade dos trabalhos pretende-se aprofundar o estudo teórico do tema e emseguida implementar um algoritmo de fusão de dados aplicando-o a um robô móvel que estáem fase final de montagem nos laboratórios do UnicenP. A implementação permitirá a valida-ção dos conceitos teóricos em um modelo prático.



153153153153153

REFERÊNCIAS BIBLIOGRÁFICAS

BAR-SHALOM, Y.; LI, R.X.; KIRUBARAJAN, T. Estimation with applications to trackingand navigation. New York: Wiley-Interscience, 2001.

BORENSTEIN, J.; EVERETT, H.R.; FENG, L. Navigating mobile robots: systems andtechniques. Wellesley: A K Peters , 1996.

CARVALHO, H. et al. A general data fusion architecture. In: Conference on InformationFusion, 6.,2003. Proceedings...

HALL, D.L.; LLINAS, J. Handbook of multisensor data fusion. Boca Raton: CRC Press,2001.

HUOSHENG, H.; GAN, J. Q. Sensors and data fusion algorithms in mobile robotics:technical report: CSM-422. United Kingdom: University of Essex, 2005.

JOCHEM, T.; POMERLEAU, D. Life in the fast lane: the evolution of na adaptive vehiclecontrol system. AI Magazine, v. 17, n.2, p. 11-50, 1996.

JOSHI, R. ; SANDERSON, A.C. Multisensor fusion using minimal representationmethods. World Scientific, 1999.

LUO, R.C.; KAY, M.G. Data fusion and sensor integration: state-of-art 1990s. In: ABIDI,M.A.; GONZALEZ, R.C. Data fusion in robotics and machine intelligence. AcademicPress, 1992. p. 7-135.

MUTAMBARA, A.G.O. Decentralized estimation and control for multisensor systems.Boca Raton: CRC Press, 1998.

ROSENBLATT, J. D. A distributed architeture for mobile navigation. Carnegie MellonUniversity Robotics Institute Technical Report CMU-RI-TR-97-01, Pittsburgh, PA, 1997.

SINGHAL, A. Issues in autonomous mobile robot navigation. Rochester, 1997. Disser-tação (Mestrado) - Universidade de Rochester.

STEINBERG, A.N.; BOWMAN, C.L.; WHITE, F.E. Revisions to the JDL data fusion model, in Sensor Fusion: Architectures, Algorithms, and Applications, Proceedings of the SPIE,v. 3719, 1999.

TSUBOCHI, T.; HIROSE, A.; ARIMOTO, S. A navigation scheme with learning for a mobi-le robot among multiple moving obstacles. Proceedings of IROS ‘93. Intelligent Robotsfor Flexibility, n.3, v.2317, p.2234-2240, 1993.



154154154154154

fusÃo de dados aplicada À robÓtica mÓvel · cada um dos módulos do robô depende, direta ou...

Documents