Filtro de partÃculas aperfeiÃoado para estimaÃÃo de postura de robÃs mÃveis.
AUTOR(ES)
Silva, Paulo Roberto AraÃjo da
DATA DE PUBLICAÇÃO
2006
RESUMO
Nesta tese à apresentado um Filtro de PartÃculas AperfeiÃoado para o rastreamento de postura de robÃs mÃveis utilizando odometria e leituras ambientais laser. O mÃtodo consiste em realizar um prediÃÃo da postura do robà utilizando o modelo cinemÃtico (odomÃtrico) para, com a postura predita, eliminar o clutter utilizando-se de janelas de validaÃÃo. Com a Range-Weighted Hough Transform associada a um mÃtodo de mÃnimos quadrados, obtÃm-se, entÃo, os parÃmetros do modelo de observaÃÃes que,subsequentemente, serÃo utilizados para atualizar a postura predita. As observaÃÃes sÃo assimiladas pelo algoritmo de estimaÃÃo de postura que utiliza um mÃtodo de amostragem por importÃncia com reamostragem (ISIR) ou filtro de PartÃculas. O filtro proposto utiliza uma funÃÃo de importÃncia localmente otimizada e reamostragem de mÃnima variÃncia para combater a degeneraÃÃo de partÃculas, e um passo de movimento MCMC para restaurar a diversidade amostral perdida depois da reamostragem. Os resultados experimentais foram obtidos utilizando-se dados simulados e reais. O desempenho do filtro foi comparado com o filtro Bootstrap e filtro Estendido de Kalman. Para os dados simulados, as curvas de erro quadrÃtico mÃdio foram comparadas ao Limite Inferior de CramÃr-Rao Posterior (PCRLB). Para os dados reais um erro mÃdio temporal, baseado em uma trajetÃria de referÃncia, foi estimado. Adicionalmente, tambÃm foram medidos os respectivos tempos de processamento dos algoritmos com diferentes nÃmeros de partÃculas. Os resultados mostram que o filtro proposto obteve melhores desempenhos que os filtros Bootstrap e Estendido de Kalman. Mais ainda, devido ao seu bom desempenho com nÃmero reduzido de partÃculas, o filtro de PartÃculas AperfeiÃoado apresentou um tempo de processamento que possibilita implementaÃÃo prÃtica em cenÃrios realÃsticos.
ASSUNTO(S)
algoritmos robÃtica estimaÃÃo mÃtodo de monte carlo mÃtodos dos mÃnimos quadrados dinÃmica de robÃs
