sistema robótico de mapeamento e localização para veículos ... · de um sistema autônomo, cujo...

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

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

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

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

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

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).


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.


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



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



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)



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



Atuadores

O arranjo estrutural:

http://www.balanduino.net/images/balanduino1.png


https://upload.wikimedia.org/wikipedia/commons/0/00/UranusOmniDirectionalRobotPodnar.png



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.


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



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;



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



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



Disposição dos sensores + Sistema de locomoção+ Sistema de locomoção


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



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



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.



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.



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



Exemplo – Filtro de BayesCrença inicial –

LeiturasCrença inicial –distribuição uniforme



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



predição

ganho de Kalman

correção



Exemplo – Filtro de Kalman • Tempo total de movimentação10s e dt=0.1s

Modelos



Resultados



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



predição

ganho de Kalman

correção



EKF SLAM

Paradigma da representação do estado

Vetor de estado Matriz de covariância



Exemplo – EKF SLAM Modelos

Modelo de movimentação de odometria

Informação sensorial

Modelo do sensor



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


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



Modelo em SolidWorks Implementação real Funcionamento

SLAMSLAM

controle Info. sensor



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 ATUALIZADO

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

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.


• 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.


• 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.


• 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.

Obrigado!!!Obrigado!!!

sistema robótico de mapeamento e localização para veículos ... · de um sistema autônomo, cujo...

Documents