sistema robótico de mapeamento e localização para veículos ... · de um sistema autônomo, cujo...
TRANSCRIPT
Defesa de qualificação - Doutorado
Rodrigo Nogueira Cardoso
Sistema Robótico de Mapeamento e Localização para Veículos Autônomos de Monitoramento em Lavoura Cafeeira
de Precisão
Sumário
• Introdução• Objetivo• Justificativa• Cronograma• Atividades Desenvolvidas• Cronograma atualizado• Referências Bibliográficas
Introdução
Na robótica móvel o problema de localização e mapeamento é geralmenteconsiderado como o problema mais importante para na busca pela construção derobôs realmente autônomos, e apesar progresso significante na área, aindaexistem grandes desafios. (Siciliano, Khatib, 2008)
Para que um determinado dispositivoPara que um determinado dispositivomóvel possa executar sua “missão” emcerto ambiente, é necessário que omesmo saiba seu ponto de início, olocal onde deve desempenhar a suafunção e o que existe entre esses doispontos no espaço.
A Navegação Autônoma trabalha com todos problemas relacionados a navegação do robô móvel pelo ambiente.
Introdução
Na literatura os problemas de localização e mapeamento são endereçosatravés da sigla SLAM (Simultaneous Localization and Mapping).
O problema de SLAMsurge quando o robô não
Mapasurge quando o robô nãotem acesso ao mapa doambiente e sua pose(localização e orientação)(Thrun et al., 2006)
Mapa
Localização
Navegação
O interesse surgiu em1986 na conferência IEEERobotics and Automation
http://www.ltu.se/staff/a/alhana-1.93599?l=en
Introdução
O problema de localização é o problemade se determinar a pose do robô(coordenadas + orientação) relativo a um
Localização
(coordenadas + orientação) relativo a umdado mapa do ambiente.
É um problema de transformação decoordenadas, em específico a relaçãoentre o sistema de coordenadas do mapae o sistema de coordenadas do robô.
θ
http://robotang.co.nz/projects/robotics/custom-player-plugins/
Introdução
Mapeamento
O mapeamento robótico endereça o problema de aquisição modelos espaciaisdo ambiente através de robôs móveis. Para adquirir o mapa, os robôs devempossuir sensores que permitam a ele perceber o mundo. (Thrun, 2002) Omodelo deve ser adequado a aplicação e deve conter as informaçõesmodelo deve ser adequado a aplicação e deve conter as informaçõesnecessárias para que o robô móvel desempenhe suas funções. (Siciliano,Khatib, 2008)
Para localizar o objetono mapa o robô deveconhecer sua pose eas informaçõessensoriais
Introdução
Os problemas de localização e mapeamento são recorrentes
Simultaneous Localization and Mapping
Problema de Localização e Mapeamento SimultâneosProblema de Localização e Mapeamento Simultâneos
• Ambos o mapa e a pose do robô são desconhecidos e correlacionados.
• Ambos processos contém incertezas.
Dificuldades do SLAM
Alta chance de divergência, se as incertezas não foremendereçadas corretamente, resultando na invalidação domapa e do processo de localização.
Introdução
Divergência
Mapa corretoMapa degenerado
http://ais.informatik.uni-freiburg.de/teaching/ws13/mapping/pdf/slam10-gridmaps.pdf
Introdução
O SLAM é um problema inerente quando se estuda a navegação robótica, e,portanto, qualquer dispositivo projetado no âmbito da robótica móvel deveincorporar alguma espécie de sistema de localização e mapeamento.
http://www.mygadgets.my/wp-content/uploads/2014/12/roomba560_sideview.jpg
https://upload.wikimedia.org/wikipedia/commons/d/d8/NASA_Mars_Rover.jpg
http://cdn.husqvarna.com/dimage.axd/productHuge/h310-0866/45307872.jpg
http://www.frc.ri.cmu.edu/research/projs/photos/SubterraneanRob.jpg http://www.diseno-art.com/images/asimo-walk.jpg
Introdução
Na agricultura, pesquisas sobre veículossem condutor “driverless” sempre foramalmejadas, entretanto, as mais elaboradassó começaram no início da década desó começaram no início da década de1960.(Fountas et al., 2007).
As primeiras abordagens de dispositivos autônomos para agricultura erambaseadas na modificação do ambiente seminatural encontrado nas lavouras,a fim de se obter um comportamento determinístico.
Não obtiveram sucesso por não conseguirem abranger a complexidade do mundoreal. (Fountas et al., 2007 )
http://cafevalente.com.br/images/fotos/ft20012.jpg
Introdução
De acordo com Tabile (2012) o desafioagora é desenvolver máquinasinteligentes o suficiente para trabalhar emambientes não-modificados ouambientes não-modificados ouseminaturais.
As realizações da robótica e da inteligência artificial já oferecem novassoluções aos processos de agricultura de precisão, relacionados aosemeamento, colheita, controle de ervas daninhas, supervisão daplantação, aplicação de produtos químicos, dentre outros, para oaumento de produtividade e eficiência. (Cheein, Carelli, 2013)
http://cafevalente.com.br/images/fotos/ft20012.jpg
Objetivos
Desenvolver um sistema robótico de mapeamento e localização, sendo estefocado em ambientes não estruturados seminaturais, para aplicação emmonitoramento de pragas em lavouras cafeeiras.
Objetivo principal
Objetivos específicos
• Especificar o robô móvel autônomo necessário e suas características.• Simular a plataforma robótica em software dedicado.• Desenvolver um sistema de localização e mapeamento visando o
problema de SLAM para grandes escalas.• Construção de um protótipo de tamanho pequeno (max 70x70x50
cm) e baixo peso (max 20 kg) para testes em lavouras.• Realizar testes em meio a um estudo de caso
Justificativa
O aumento na população mundial tem levado a necessidade do aumento no nívelde sofisticação na agricultura de precisão para ambas preservação ambiental eotimização da produção (Cariou et al., 2009).
Sustentabilidade, Impactos Ambientais, Mudanças Cli mática, Crescimento da população
otimização da produção (Cariou et al., 2009).
Segundo Hackenhaar et al. (2015) uma das técnicas para intensificar a produçãode alimentos na agricultura é a robótica.
Blackmore et al. (2007) analisa a tendência de mecan ização do campo
Grandes máquinasoperadas por humanos
versus Pequenas unidadesrobóticas inteligentesespecializadas
Justificativa
Grandes máquinasoperadas por humanos
versus Pequenas unidadesrobóticas inteligentesespecializadas
• Máquinas cada vez maiorespara redução de honorários.
• Investimento relativamentebaixo, inclusão econômicapara redução de honorários.
• Alto investimento, exclusãodo médio e pequenoagricultor.
• Interdependência entremaquinário.
• Alta compactação do solo,que resulta em maior energiano processo de aragem.
• Tratamento em grandesescalas.
baixo, inclusão econômica• Sem honorários, sem operador• Veículos mecanicamente mais
simples• Baixa compactação do solo• Tratamento local, pequenas
escalas (agricultura deprecisão).
• Flexibilidade quanto aprodutividade (aquisição demais plataformas).
Justificativa
Este trabalho visa a contribuição para o desenvolvimentode um sistema autônomo, cujo objetivo trata damonitoração de pragas ou supervisão da plantação emlavouras cafeeiras.
• Contribuir para o desenvolvimento de uma plataforma
acessível ao pequeno e médio agricultor
• Contribuir para o desenvolvimento de plataformas
robóticas inteligentes na agricultura
• Plataforma para estudos em agricultura de precisão
Cronograma
Etapas 1º 2º 3º 4º 5º 6º 7º 8º 9º 10º 11º 12º 13º
i
ii
iii
Revisão bibliográfica (i)
Levantamento de requisitos (ii)
Definição dos sensores e atuadores
utilizados no robô móvel (iii)
Atividades previstas
iii
iv
v
vi
vii
viii
ix
x
utilizados no robô móvel (iii)
Implementação dos diferentes algoritmos
para resolução do SLAM em simulação (iv)
Análise de desempenho e melhoria de
algoritmos (v)
Elaboração do modelo dinâmico do robô
móvel (vi)
Elaboração do modelo dos sensores (vii)
Redação do relatório de qualificação (viii)
Defesa de qualificação (ix)
Atividades realizadas (em verde)
Atividades desenvolvidas
Levantamento de requisitos
• O robô deverá ser capaz de se locomover em um ambiente seminatural, ouseja, se locomover em vias não pavimentadas e sujeitas a erosão.
• Com a presença de irregularidades no terreno o robô deve sempre calcular asua orientação para preenchimento correto das informações no mapa.sua orientação para preenchimento correto das informações no mapa.
• Identificar obstáculos de forma autônoma de maneira a evitar colisões• O robô deverá recuperar as informações a respeito de sua localização e do
ambiente (será resolvido com câmeras e GPS).• A unidade de processamento deverá ter conectividade wireless para
monitoramento em tempo real do processo de localização e mapeamento.• A capacidade de processamento do sistema deve ser especificada
considerando uma frequência de execução do código de 10 Hz (a ser relaxadose necessário).
Atividades desenvolvidas
Levantamento de requisitos
• A autonomia não será especificada a priori, uma vez que basta o aumento dacapacidade de carga das baterias, lembrando-se do aumento de peso.
• A velocidade de deslocamento do veículo não deve superar 5 km/h tanto porsegurança quanto para facilitar a fase de processamento.segurança quanto para facilitar a fase de processamento.
• O veículo deve ser capaz de carregar uma carga de 10 kg, para que emtrabalhos futuros possam ser adicionados equipamentos vinculados astécnicas de agricultura de precisão.
• O veículo deve apresentar resistência às intempéries para que este possaoperar corretamente em um ambiente seminatural externo.
Atividades desenvolvidas
Definição dos sensores e atuadores utilizados no rob ô móvel
Na concepção deste trabalho foi considerada a possibilidade da aquisição de algumaplataforma robótica comercialmente disponível, que atendesse as necessidades delocomoção e sensoriamento do trabalho em questão.
Foi realizado um orçamento mediante as principais plataformas robóticasFoi realizado um orçamento mediante as principais plataformas robóticasdisponíveis no mercado
Pioneer 3DX US$ 3.995,00
https://www.cyberbotics.com/guide/png/pioneer3dx_real.png
Pioneer 3ATUS$ 6.495,00
https://www.cyberbotics.com/guide/png/pioneer3at_real.png
http://www.k-team.com/uploads/koala_2.jpg
Koala 2.5 US$ 9.600,00
Turtlebot 2US$ 2.115,00
http://www.turtlebot.com/assets/images/turtlebot_2_lg.png
Atividades desenvolvidas
Definição dos sensores e atuadores utilizados no rob ô móvel
Tendo em vista os preços encontrados das plataformas comerciais, optou-se pelaconstrução do robô móvel em se utilizando de taxa de bancada, em parceria com oMAPL.
Na construção do protótipo estarão envolvidos: Recurso disponível – TaxaNa construção do protótipo estarão envolvidos:
2 alunos de Doutorado2 alunos de TCC
O desenvolvimento do protótipo será divido em duas frentes
Mecânica estruturalProjeto da estruturaRevestimento contra intempériesModelagemSimulação e ensaios dinâmicos
EletroeletrônicaComunicaçãoControle dos motoresProcessamentoGerenciamento de energia e proteção
Recurso disponível – Taxade bancada: R$ 9.000,00até 12/2016
Atividades desenvolvidas
Definição dos sensores e atuadores utilizados no rob ô móvel
Atuadores
Por se tratar de uma plataforma de navegação, os atuadores a seremdimensionados estão relacionados ao sistema de locomoção.
Em termos de locomoção existem robôs capazes de andar, pular, correr, deslizar,patinar, nadar, voar e rolar, de acordo com os homólogos biológicos. (Siegwart,Nourbakhsh, 2004)
Mas nem todos mecanismos delocomoção são bioinspirados,haja visto as rodas motorizadas,que são relativamente eficientesem ambientes relativamenteplanos.
Vantagens de sistemas motorizados
• Simplicidade estrutural• Menor consumo de energia• Maior velocidade• Menor esforço de controle e problemas
de estabilidade(Siciliano, Khatib, 2008)
Atividades desenvolvidas
Definição dos sensores e atuadores utilizados no rob ô móvel
Atuadores
O dimensionamento do sistema de locomoção motorizado está relacionadobasicamente a duas escolhas:
Os tipos de rodas:
Roda padrão Roda castor
http://www.buildbot.com.br/image/large/144_3.jpg
http://www.hand-pallet.com/images/Caster/Hamer-karet.gif
Roda sueca Roda esférica
http://automationbrasil.com/shopp/image/cache/data/0J2274.600-500x500.jpg
https://cdn.awsli.com.br/600x450/29/29957/produto/6728576/e3d61a2080.jpg
Atividades desenvolvidas
Definição dos sensores e atuadores utilizados no rob ô móvel
Atuadores
O arranjo estrutural:
http://www.balanduino.net/images/balanduino1.png
https://www.cyberbotics.com/guide/png/pioneer3dx_real.png
https://upload.wikimedia.org/wikipedia/commons/0/00/UranusOmniDirectionalRobotPodnar.png
Atividades desenvolvidas
Definição dos sensores e atuadores utilizados no rob ô móvel
Atuadores
A escolha do conjunto roda + arranjo é feita com base em 3 parâmetros
Estabilidade : De maneira convencional, considera-se a estabilidade aEstabilidade : De maneira convencional, considera-se a estabilidade apartir de 3 rodas ou pontos de contato, sendo que o centro de massa temque estar contido no triângulo definido pelas 3 rodas.
Manobrabilidade: Está relacionado a capacidade e flexibilidade do robôem executar comandos de movimento.
Controlabilidade: Está relacionado ao esforço de controle necessáriono processo de movimentação robô móvel. Normalmente é inversamenteproporcional a manobrabilidade.
Atividades desenvolvidas
Modelagem simplificada, baixa complexidade estrutural, baixo esforço decontrole
Drive diferencial (differential drive)
Rodas motorizadas
Pontos de apoio
Vuković; Mitić; Miljković, 2015; Jo et al., 2014; Lee, Lee, 2013; Velasquez et al, 2013, Zaman et al., 2011, Cheein et al., 2010, Kang et al., 2010; Magnenat et al., 2010, Bonato, 2008; Abrate et al., 2007
https://www.cyberbotics.com/guide/png/pioneer3dx_real.png
Atividades desenvolvidas
Baixa complexidade estrutural, ambientes internos e externos
Skid steer
Sales et al., 2014; Lemus, et al. 2014; Nemra et al.; 2012 Folkesson, Christensen, 2003; Bosse, Zlot, 2009
Rodas motorizadas
http://www.eurobotech.de/seekur-jr..html;
Atividades desenvolvidas
Definição dos sensores e atuadores utilizados no rob ô móvel
Sensores
Na robótica, o processo de sensoriamento está interessado na conversão, pormeio de transdutores, de grandezas físicas em sinais que podem serposteriormente processados. Neste contexto, os sensores a serem escolhidosposteriormente processados. Neste contexto, os sensores a serem escolhidosnesta etapa são responsáveis por fornecer informações sobre o ambiente e opróprio robô, a fim de que o mesmo possa tomar decisões e interagir com oambiente.
Dois tipos
Proprioceptivos Exteroceptivos
Atividades desenvolvidas
Definição dos sensores e atuadores utilizados no rob ô móvel
Sensores
Neste trabalho foi feito uma escolha do conjunto de sensores combase na: disponibilidade no brasil, baixo custo (até R$1000,00 oconjunto).conjunto).
Proprioceptivos
• Encoder incremental de quadratura
• Giroscópio
Exteroceptivos
• Acelerômetro• GPS• Chave Bumper• Sensor ultrassônico• Câmeras
Atividades desenvolvidas
Definição dos sensores e atuadores utilizados no rob ô móvel
Disposição dos sensores + Sistema de locomoção+ Sistema de locomoção
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
SLAM notação probabilística
Probabilidade condicional conjunta da trajetória e do mapa tal que as leituras, as ações de controle e o estado inicial sejam conhecidos
Vetor de estados
Vetor de ações de comando (odometria)
Vetor de leituras dos sensores
Vetor de pontos de referência observados
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Paradigmas na Resolução do SLAM
Kalman Monte Carlo GrafosKalman Monte Carlo Grafos
Filtro de KalmanFiltro de Kalman EstendidoFiltro de Kalman Unscented
Filtro de InformaçãoFiltro de Informação EstendidoFiltro de Informação Esparso Estendido
Filtro de PartículasFastSLAMFiltro de Partículas Rao-BlackwellizedSLAM baseado em Grids
Mínimos quadradosGrafo-pose hierárquicoGraph-Based SLAM
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Estimação recursiva de estado
No cerne de toda a robótica probabilística está a ideia de estimação de estadosatravés de informações sensoriais. O processo de estimação de estadosatravés de informações sensoriais. O processo de estimação de estadosendereça o problema de se estimar quantidades, através de dados dos sensores,que não são diretamente observáveis, mas podem ser inferidos.
Na robótica probabilística asgrandezas estimadas sãorepresentadas na forma de“crença” através da notaçãoprobabilística.
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
O Filtro de bayes consiste da técnica mais geral para o cálculo e atualização decrenças.
Algoritmo recursivoAlgoritmo recursivo
É a capaz de atualizar acrença anterior do estadocom base nasinformações de controlee sensores.
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Exemplo – Filtro de Bayes
• 100 leituras contaminadascom um ruído gaussiano
• Posição real (3,5)• Faixa de execução {[2,4], [4,6]}• Ambiente discretizado em
passos de 0.05
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Exemplo – Filtro de BayesCrença inicial –
LeiturasCrença inicial –distribuição uniforme
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
O Filtro de Kalman consiste de uma das implementações mais populares dofiltro de Bayes. trata-se de um estimador ótimo para caso em que asfiltro de Bayes. trata-se de um estimador ótimo para caso em que asperturbações ou ruídos possam ser representados através de distribuiçõesgaussianas e os modelos envolvidos na estimação do estado (movimentação esensores) sejam lineares.
Hipóteses
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
predição
ganho de Kalman
correção
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Exemplo – Filtro de Kalman • Tempo total de movimentação10s e dt=0.1s
Modelos
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Resultados
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
O filtro de Kalman Estendido é uma solução para o problema em que se temmodelos não lineares. Ela utiliza da linearização local para contornar osproblemas com as hipóteses do filtro de Kalman tradicional.problemas com as hipóteses do filtro de Kalman tradicional.
Assim:
Através da expansão por série de Taylor de primeira ordem
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
predição
ganho de Kalman
correção
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
EKF SLAM
Paradigma da representação do estado
Vetor de estado Matriz de covariância
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Exemplo – EKF SLAM Modelos
Modelo de movimentação de odometria
Informação sensorial
Modelo do sensor
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Atividades desenvolvidas
Implementação dos diferentes algoritmos para resolu ção do SLAM em simulação / Análise de desempenho e melhoria de alg oritmos
Unscented Kalman Filter (UKF)
•Linearização via Unscented Transform
•Melhor aproximação que o EKF
Outros algoritmos
Sparse Extended Information•Melhor aproximação que o EKF•Não necessita de Jacobiano•Ligeiramente mais lento que o EKF devido a processo delinearização
•Mesma complexidade do EKF
Extended Information Filter (EIF)
•Representação na forma canônica (matriz e vetor deinformação)
•Mais estável que o EKF•Apropriado para aplicação de multirobôs, devido a fracadependência entre os elementos da matriz de informação
•Calculo mais eficiente da fase de correção que permitemaior volume de informação sensorial e mais sensores
Sparse Extended Information
Filter (SEIF)
•Tempo constante deprocessamento.
•Complexidade linear para oarmazenamento em memória.
•Aproximação do EIF para oproblema do SLAM
•Qualidade inferior ao EKFSLAM em termos deaproximação
Atividades desenvolvidas
Construção do protótipo do robô móvel
Durante o desenvolvimento das atividades previstas no cronograma deste trabalho,notou-se a necessidade da execução dos algoritmos de SLAM em contexto deambiente controlado, para que se inicie o trabalho de lidar com os problemasinerentes a implementação em ambiente real.inerentes a implementação em ambiente real.
Assim decidiu-se pelaconstrução de umprotótipo simplificado queservisse a propósito doestudo dos algoritmos deSLAM e a experimentaçãoquanto aodesenvolvimento de robômóvel.
Proposta - Robô Drive Diferencial
Atividades desenvolvidas
Construção do protótipo do robô móvel
Modelo em SolidWorks Implementação real Funcionamento
SLAMSLAM
controle Info. sensor
Atividades desenvolvidas
Construção do protótipo do robô móvel
Implementações
Controle de posição
Em linha reta
Comunicação zigbee
http://www.liquidware.com/system/0000/1989/Zigbee_Shield.jpg
http://www.rhydolabz.com/wiki/wp-content/uploads/XBEEwith-Explorer-USB.jpg
Fazendo um arco
Cronograma atualizadoEtapas 14º 15º 16º 17º 18º 19º 20º 21 22º 23º 24º 25º 26º 27º 28º 29º 30º 31º 32º 33º 34º 35º 36º
i
ii
iii
iv
v
vi
viivii
viii
ix
x
xi
Revisão bibliográfica (i)
Elaboração do modelo dinâmico do robô móvel (ii)
Análise de desempenho, implementação e melhoria de
algoritmos do SLAM (iii)
Implementação do robô móvel e algoritmos do SLAM em
ambiente de simulação (iv)
Levantamento das restrições temporais do sistema em tempo
real (v)
Definição do hardware de processamento utilizado (vi)
Construção do protótipo do robô móvel (vii)
Adaptação do algoritmo para o sistema embarcado
(viii)
Testes em ambiente controlado (ix)
Redação da Tese de Doutorado (x)
Defesa da Tese de Doutorado (xi)
Referências bibliográficas
• SICILIANO, B.; KHATIB, O. Handbook of Robotics. Springer, 2010.
• THRUN, S.; BURGARD, W.; FOX, D.; Probabilistic robotics. MIT Press, 2006.
• THRUN, S. Robotic Mapping: A Survey. Science, v. 298, n. February, p. 1–35, 2002.
• FOUNTAS, S.; BLACKMORE, B. S.; VOUGIOUKAS, S.; TANG, L.; SØRENSEN, C. G.; JØRGENSEN, R. Decomposition of Agricultural tasks into Robotic Behaviours. Agricultural Engineering International - The CIGR Ejournal , v. IX, p. 1–15, 2007.p. 1–15, 2007.
• TABILE, R. A. Desenvolvimento de uma plataforma robótica modular e multifuncional para aquisição de dados em agricultura de precisão. Tese de Doutorado. Universidade de São Paulo, 2012.
• CHEEIN, F. A.; CARELLI, R. Agricultural robotics: Unmanned robotic service units in agricultural tasks. IEEE Industrial Electronics Magazine, v. 7, n. 3, p. 48–58, 2013.
• HACKENHAAR, N. M. Robótica na agricultura. Interações,v. 16, n. 1, p. 119–129, 2015.
• BLACKMORE, B. S. et al. A specification for an autonomous crop production mechanization system. Life Sciences, v. IX, n. 2000, p. 1–24, 2007.
Referências bibliográficas
• VUKOVIĆ, N.; MITIĆ, M.; MILJKOVIĆ, Z. Trajectory learning and reproduction for differential drive mobile robots based on GMM/HMM and dynamic time warping using learning from demonstration framework. Engineering Applications ofArtificial Intelligence , v. 45, p. 388–404, 2015.
• JO, H.; JO, S.; KIM, E.; JUN, S.; YOON, C. 3D FastSLAM algorithm with Kinect sensor. 2014 Joint 7th International Conference on Soft Computing and Intelligent Systems, SCIS 2014 and 15th International Symposium on Advanced Intelligent Systems, SCIS 2014 and 15th International Symposium on Advanced Intelligent Systems, ISIS 2014, p. 214–217, 2014.
• LEE, S.; LEE, S. Embedded visual SLAM: Applications for low-cost consumerrobots. IEEE Robotics and Automation Magazine, v. 20, n. 4, p. 83–95, 2013.
• VELASQUEZ, A. E. B.; GUERRERO, H. B.; PEDRAZA, I. L. A.; MAGALHÃES, D. V.; BECKER, M.; CLAURIN, G. A. P. Navigation control in FPGA for a differential-drive mobile robot. 2013 16th International Conference on Advanced Robotics, 2013.
• ZAMAN, S.; SLANY, W.; STEINBAUER, G. ROS-based mapping, localization and autonomous navigation using a Pioneer 3-DX robot and their relevant issues. Saudi International Electronics, Communications and Photonics Conference 2011,p. 0–4, 2011.
Referências bibliográficas
• CHEEIN, F. A.; SCAGLIA, G.; DI SCIASIO, F.; CARELLI, R. Feature selectioncriteria for real time EKF-SLAM algorithm.International Journal of AdvancedRobotic Systems, v. 7, n. 2, p. 115–124, 2010.
• KANG, J. G.; CHOI, W. S.; AN, S. Y.; OH, S. Y. Augmented EKF based SLAMmethod for improving the accuracy of the feature map.IEEE/RSJ 2010International Conference on Intelligent Robots and Systems, IROS 2010-ConferenceProceedings, p. 3725–3731, 2010.ConferenceProceedings, p. 3725–3731, 2010.
• MAGNENAT, S.; LONGCHAMP, V.; BONANI, M.; RÉTORNAZ, P.; GERMANO,P.; BLEULER, H.; MONDADA, F. Affordable SLAM through the co-design ofhardware and methodology.Proceedings - IEEE International Conference onRobotics and Automation, p. 5395–5401, 2010.
• BONATO, V. Proposta de uma arquitetura de hardware em FPGA implementadapara SLAM com multi-câmeras aplicada à robótica móvel. Tese de doutorado.Universidade de São Paulo, 2008.
• ABRATE, F.; BONA, B.; INDRI, M. Experimental EKF-based SLAM for Mini-rovers with IR Sensors Only.Proc. of the 3rd European Conference on MobileRobots, v. Sept, p. 1–6, 2007.
Referências bibliográficas
• SALES, D. O.; CORREA, D. O.; FERNANDES, L. C.; WOLF, D. F.; OSORIO, F. S. Adaptive finite state machine based visual autonomous navigation system. Engineering Applications of Artificial Intelligence, v. 29, p. 152–162, 2014.
• LEMUS, R.; DÍAZ, S.; GUTIÉRREZ, C.; RODRÍGUEZ, D.; ESCOBAR, F. SLAM-R algorithmof simultaneous localization and mapping using RFID for obstacle location andrecognition. Journal of Applied Research and Technology, v. 12, n. 3, p. 551–559,2014.2014.
• NEMRA, A.; AOUF, N.; DHAIFELLAH, A.; TAMAZOUZT, H. RobustCooperative Visual SLAM with textures plating.IFAC Proceedings Volumes, v. 7,p. 765–771, 2012.
• FOLKESSON, J.; CHRISTENSEN, H. Outdoor exploration and SLAM using acompressed filter.2003 IEEE International Conference on Robotics andAutomation, v. 1, p. 419–426, 2003.
• BOSSE, M.; ZLOT, R. Continuous 3D scan-matching with a spinning 2D laser.2009 IEEE International Conference on Robotics and Automation, n. JUNE, p.1–8, 2009.