Defesa de Dissertação de Mestrado – Danilo Giacomin Schneider – 14/06/2018
14/06/2018 17:21
| Defesa de Dissertação de Mestrado | ||
| Aluno | Danilo Giacomin Schneider | |
| Orientador | Prof. Marcelo Ricardo Stemmer, Dr. – DAS/UFSC | |
| Data | 14/06/2018 (quinta-feira) – 09h00
Sala PPGEAS II (piso inferior) |
|
| Banca | Prof. Marcelo Ricardo Stemmer, Dr. – Presidente – DAS/UFSC;
Prof. Maurício Edgar Stivanello, Dr. – IFSC; Prof. Ubirajara Franco Moreno, Dr. – DAS/UFSC; Prof. Tiago Loureiro Figaro da Costa Pinto, Dr. – EMC/UFSC. |
|
| Título | Sistema de Localização e Mapeamento 3D Simultâneos em Robôs Móveis: Fusão de Sensores para Localização com Filtro de Kalman Estendido | |
| Resumo: Para que um robô seja inteiramente autônomo ele precisa de alguma forma de representação do ambiente no qual ele está presente, assim como a sua localização em relação a este ambiente. Localizar-se com precisão e construir um mapa do ambiente permite que o robô possa alcançar metas pré-determinadas. A localização é uma das tarefas mais importantes para a navegação autônoma de robôs móveis, onde robustez e precisão são características fundamentais. Essa tarefa baseia-se no mapa do seu ambiente. Em contrapartida, a construção do mapa do ambiente depende da localização precisa do robô móvel. Em ambientes desconhecidos este é um processo conflitante, mas correlacionado. A introdução de sistemas de visão computacional em robôs móveis significa um aumento expressivo em suas habilidades sensoriais, o que implica em uma maior versatilidade e segurança nas aplicações do robô. Técnicas probabilísticas podem ser usadas em robótica para correção dos eventuais erros dos sensores, assim como técnicas de fusão temporal e fusão multissensorial. Este trabalho apresenta a implementação, através do ROS, de um Filtro de Kalman Estendido para a fusão de três fontes de sensoriamento diferentes e estimar a posição e orientação do robô de forma mais robusta, precisa e, consequentemente, realizar um mapeamento também mais fiel do ambiente em 3D, com registro na forma de nuvem de pontos, obtida através das imagens de cor e profundidade de uma câmera Kinect acoplada ao robô. | ||
