Show simple item record

dc.contributor.advisorDr. Ricardo Swain Oropezaes
dc.creatorAlencastre Miranda, Moísesen
dc.date.accessioned2015-08-17T11:33:03Zen
dc.date.available2015-08-17T11:33:03Zen
dc.date.issued2007-01-12
dc.identifier.urihttp://hdl.handle.net/11285/572470en
dc.description.abstractExisten pocos trabajos en robótica móvil basada en visión donde se realicen tareas de localización y planificación considerando incertidumbre en ambientes de exterior. A nuestro conocimiento, no hay trabajos que incluyan un ana?lisis y describan bajo que? condiciones es mejor para un robot móvil localizarlo con respecto a un marco de referencia global o con respecto a marcos de referencia locales mientras este navega. Para que un robot móvil no-holonómico real pueda percibir el ambiente de exterior se han utilizado una ca?mara esta?ndar y una ca?mara omnidireccional. Con las ima?genes capturadas con dichas ca?maras, se ha realizado un eficiente algoritmo de visión que reconoce las diferentes clases definidas (pasto, cielo, a?rboles y arbusto) en tiempo real. Este algoritmo esta? basado principalmente en un proceso de segmentación por color, y una clasificación utilizando Campos Aleatorios de Markov (MRFs). Con ese algoritmo de visión, se pudo desarrollar y probar en un robot real Pioneer 3- AT un me?todo de navegación reactiva basada en trayectorias definidas por curvas de Bezier, en el cua?l se pudo considerar la no-holonomi?a del robot al momento de navegar. En base a la información omnidireccional percibida mediante visión el robot móvil tiene una representación del ambiente con la cua?l podri?a realizar tareas de planificación y localización con incertidumbre. Se ha desarrollado un algoritmo para encontrar una ruta que disminuya la incertidumbre en localización del robot móvil. Para realizar esto, se considera incertidumbre en control y sensado, y se hace un ana?lisis comparativo acerca de la pertinencia de cua?ndo utilizar en localización del robot el marco de referencia global y cuando utilizar cierto marco de referencia local. Se utiliza la covarianza como me?trica para medir la incertidumbre, y el modelado matema?tico se hace utilizando transformaciones aproximadas propuestas en [Smith 86]. Los marcos de referencia locales son definidos en base a hitos (en Inglés landmarks, comu?nmente son obsta?culos, por ejemplo a?rboles). En base a simulaciones realizadas, en la mayori?a de los casos se disminuye ma?s la incertidumbre utilizando marcos de referencia locales.
dc.languagespa
dc.publisherInstituto Tecnológico y de Estudios Superiores de Monterrey
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0*
dc.titleNavegación Reactiva de un Robot Móvil Basada en Visión y Localización con Incertidumbre en Exterioreses
dc.typeTesis de doctorado
thesis.degree.levelDoctor en Ciencias Computacionaleses
dc.contributor.committeememberDr. Rafael Murrieta Cides
thesis.degree.disciplineEscuela de Graduados en Electrónica, Computación, Información y Comunicaciónes
thesis.degree.namePrograma de Graduados en Informática y Computaciónes
dc.subject.keywordRobóticaes
dc.subject.keywordIncertidumbrees
dc.subject.keywordTransformacioneses
thesis.degree.programCampus Estado de Méxicoes
dc.subject.disciplineIngeniería y Ciencias Aplicadas / Engineering & Applied Scienceses
refterms.dateFOA2018-03-07T07:01:42Z
refterms.dateFOA2018-03-07T07:01:42Z
html.description.abstractExisten pocos trabajos en robótica móvil basada en visión donde se realicen tareas de localización y planificación considerando incertidumbre en ambientes de exterior. A nuestro conocimiento, no hay trabajos que incluyan un ana?lisis y describan bajo que? condiciones es mejor para un robot móvil localizarlo con respecto a un marco de referencia global o con respecto a marcos de referencia locales mientras este navega. Para que un robot móvil no-holonómico real pueda percibir el ambiente de exterior se han utilizado una ca?mara esta?ndar y una ca?mara omnidireccional. Con las ima?genes capturadas con dichas ca?maras, se ha realizado un eficiente algoritmo de visión que reconoce las diferentes clases definidas (pasto, cielo, a?rboles y arbusto) en tiempo real. Este algoritmo esta? basado principalmente en un proceso de segmentación por color, y una clasificación utilizando Campos Aleatorios de Markov (MRFs). Con ese algoritmo de visión, se pudo desarrollar y probar en un robot real Pioneer 3- AT un me?todo de navegación reactiva basada en trayectorias definidas por curvas de Bezier, en el cua?l se pudo considerar la no-holonomi?a del robot al momento de navegar. En base a la información omnidireccional percibida mediante visión el robot móvil tiene una representación del ambiente con la cua?l podri?a realizar tareas de planificación y localización con incertidumbre. Se ha desarrollado un algoritmo para encontrar una ruta que disminuya la incertidumbre en localización del robot móvil. Para realizar esto, se considera incertidumbre en control y sensado, y se hace un ana?lisis comparativo acerca de la pertinencia de cua?ndo utilizar en localización del robot el marco de referencia global y cuando utilizar cierto marco de referencia local. Se utiliza la covarianza como me?trica para medir la incertidumbre, y el modelado matema?tico se hace utilizando transformaciones aproximadas propuestas en [Smith 86]. Los marcos de referencia locales son definidos en base a hitos (en Inglés landmarks, comu?nmente son obsta?culos, por ejemplo a?rboles). En base a simulaciones realizadas, en la mayori?a de los casos se disminuye ma?s la incertidumbre utilizando marcos de referencia locales.


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess