English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Los primeros robots operaban en entornos especialmente preparados para ellos, Cada componente de su espacio de trabajo se encontraba situado en una posicion y orientacion predefinidas, de modo que el robot conocia a priori y con exactitud el escenario donde se encontraba. En la actualidad muchas de las aplicaciones requieren que los robots tengan rasgos de autonomia como son la capacidad para identificar mediante sus sensores las caracteristicas que tiene el entorno, la capacidad para autolocalizarse dentro del mismo, y la capacidad para navegar por su espacio de trabajo respondiendo a las variaciones temporales que vayan surgiendo. A pesar de que los resultados obtenidos en el campo de la construccion de mapas y auto-localizacion de robot moviles son abundantes y muy significativos, aun existen problemas por resolver sobre todo los vinculados al uso de sensores imprecisos y de bajo costo, ya que la informacion obtenida con estos sensores resulta poco fiable al momento de integrarla a las distintas aplicaciones en este tipo de sistemas. Este trabajo se centra en el estudio y modelado de sensores de bajo costo de uso tipico en robotica movil (codificadores rotativos, sensores de ultrasonidos e infrarrojos, compas magnetico), y de como pueden ser utilizados en labores de auto-localizacion y representacion del entorno. Mediante la fusion de datos provenientes de sensores de bajo coste se logra que un robot movil se auto localice adecuadamente de forma que pueda navegar confiablemente en entornos estructurados. Para probar y evaluar off-line los distintos mecanismos de fusion y filtrado propuestos, a lo largo de esta tesis se desarrollan modelos sensoriales asi como un pseudo codigo para la simulacion de la operacion de estos sensores en un robot real. Igualmente, en esta tesis se formulan los procedimientos y se elabora el software que se insertara en un robot real para que este ejecute las acciones de control de navegacion, de adquisicion y filtrado de datos sensoriales, y de fusion pertinente a la localizacion y el mapeado en su entorno de operacion. En este sentido, aqui se han desarrollado modelos de sensores que permiten integrar los mismos a sistemas mas avanzados de fusion sensorial, que a la postre sirven para construir mapas de densidad de ocupacion y de caracteristicas geometricas del entorno. Asi mismo, a partir de los modelos sensoriales se han desarrollado dos sistemas de localizacion. El primero usa los odometros de abordo para mantener la posicion del robot mediante un procedimiento de seguimiento (Tracking) conocido como Dead-Reckoning. El segundo se fundamenta en un Filtro de Kalman Extendido que integra la informacion proveniente de un sensor de ultrasonidos para mantener y corregir la posicion del robot utilizando 2 tipos de hitos (Landmark) naturales: Paredes y Esquinas.Para la comprobacion y evaluacion del funcionamiento de los metodos propuestos, en esta tesis se ha utilizado un robot llamado YAIR (Yet Another Intelligent Robot), el cual es una plataforma multi-sensorial que cuenta un sistema impulsor de principio diferencial. Dado que se trata de un sistema de tiempo real que operara en un entorno real, la tecnica de analisis y validacion de los resultados se baso en la observacion directa del comportamiento del robot cuando realizaba las acciones de navegacion y exploracion del entorno que le eran programadas. Los resultados obtenidos muestran que con la fusion de datos se mejora sensiblemente la calidad de los mapas de representacion del entorno, y con ello se mejora tambien la precision en la localizacion del robot. Asi mismo, con el sistema de localizacion desarrollado en esta tesis, el cual se fundamenta en el Filtro Extendido de Kalman para la fusion de los datos de localizacion odometrica con los datos de observacion de un sensor de ultrasonidos, se logro mejorar la autolocalizacion del robot, pasando de errores del orden de 3 metros en trayectos de 80 metros, a errores de pocas decimas de metros en el mismo tramo.

Contribución a la autolocalización de robots móviles basada en la fusión de información multisensorial.