Implementação do Filtro de Kalman Estendido
|
|
- Bruna Dinis
- 4 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE FEDERAL DA GRANDE DOURADOS UFGD FACULDADE DE CIÊNCIAS EXATAS E TECNOLOGIA FACET DISCIPLINA: Tópicos em Robótica Móvel PROFESSORA: Drª Valguima Odakura ACADÊMICOS: Aline Izida e Diogo Fernando Trevisan Implementação do Filtro de Kalman Estendido DOURADOS/MS 9/5/21 1
2 SUMÁRIO SUMÁRIO...2 INTRODUÇÃO...3 MODELO DE MOVIMENTO ODOMETRIA E DIREÇÃO SÍNCRONA...3 MODELO DE OBSERVAÇÃO - LASER...4 FILTRO DE KALMAN ESTENDIDO...4 FASES DO FKE...5 PREDIÇÃO...5 EMPARELHAMENTO...6 ATUALIZAÇÃO...7 AMBIENTES UTILIZADOS...8 EXPERIMENTOS...8 RESULTADOS...1 REFERÊNCIAS BIBLIOGRÁFICAS...18 ANEXO
3 Introdução Para resolver o problema de localização de robôs móveis é preciso estimar a posição e a orientação do robô, considerando as coordenadas dado um mapa de um ambiente. A postura do robô é representada por (x, y, Ѳ), onde x e y representam um ponto no qual o robô se encontra no mapa e Ѳ representa a orientação do robô. Para se localizar, o robô precisa utilizar de sensores internos e externos, respectivamente, para captar informações do ambiente. Porém, as informações dos sensores externos têm ruídos e são imprecisas, além de medirem apenas parte do ambiente. As informações do sensor interno também são imprecisas e ruidosas. Sendo assim, é necessário combinar essas informações vindas dos sensores para se obter a localização mais precisa do robô. No entanto, sabendo-se da imprecisão dos sensores, é necessária a utilização de um filtro que considere as incertezas associadas aos modelos de movimento e de observação para dar uma melhor estimativa da posição em que o robô, de fato, está localizado. Para isso, neste trabalho utilizou-se o filtro de Kalman [1], [2] e [3]. Modelo de Movimento Odometria e Direção Síncrona Através da odometria e da direção síncrona, é possível observar o movimento das rodas para determinação da localização do robô. A odometria utiliza de instrumentos que medem a distância percorrida a cada movimento, os odômetros, que por sua vez utilizam sensores, geralmente encoders localizados no eixo das rodas [4]. A direção síncrona trabalha com três rodas, conforme ilustra a Figura 1, de forma que o robô possa caminhar reto ou girar em torno de seu próprio eixo. As rodas trabalham todas juntas, viradas para a mesma direção e andando todas na mesma proporção, seja pra caminhar reto ou girar, sendo que quem controla essas proporções é o robô, além de poder também controlar sua orientação [5]. 3
4 Figura 1: Direção síncrona. O sistema de odometria acumula muitos erros ao longo do caminho percorrido pelo robô, adquiridos por problemas como solo escorregadio ou irregular, acelerações e rotações rápidas. Por isso, a odometria atua juntamente com o FKE para a correção destes erros a cada iteração do filtro [4]. Modelo de Observação - Laser Considerando que o robô conhece um mapa do ambiente, os sensores externos podem ser utilizados na localização do robô em um dado ambiente, uma vez que, através deles é possível localizar marcos, os quais o robô detecta e pode ter uma referência do lugar em que está e então estimar sua postura. O sensor utilizado é o laser, que é capaz de medir a distância até os marcos caracterizados como pontos, dado um mapa. Embora a observação através do laser tenha menos erros que a por sonar, ainda sim, como o modelo de movimento, também tem erro associado. Sendo assim, o FKE também considera esses erros para a correção das leituras a cada iteração do filtro, a fim de obter uma estimativa com a menor probabilidade de erro possível [6] e [8]. Filtro de Kalman Estendido Inicialmente, algumas informações são necessárias para a estimação do estado do robô por filtro de Kalman, ou seja, utiliza-se a postura inicial do robô, a incerteza inicial e o conhecimento sobre os modelos de movimento e de observação. Sabe-se que para resolver o problema de localização em robótica móvel necessita-se de um movimento não linear de mudança de postura e que a relação entre o estado do sistema e 4
5 as medidas são não lineares. Uma vez que o filtro de Kalman foi desenvolvido para sistemas lineares, para o problema de localização de robôs este não se aplica. No entanto, pode-se utilizar a sua versão estendida, ou seja, o filtro de Kalman adaptado a um modelo não linear do sistema o Filtro de Kalman Estendido (FKE) [1] e [2]. Fases do FKE Predição Dadas as entradas de controle u(, que são obtidas através da odometria e X(, que é o vetor de estado do robô no tempo k, pode-se calcular o x estimado, ou seja, a posição estimada do robô no tempo k [2]: x( + D( * cos[ θ ( ] xˆ ( k + 1 = y( + D( * sin[ θ ( ] θ ( + θ ( Sendo u( representado por [2]: D( u( = θ ( Onde, D( é o deslocamento efetuado pelo robô e Ө( é a mudança de direção. E X(, representado por [2]: x( X( = y( θ ( Onde, x e y são as coordenadas dado o mapa do ambiente e Ѳ é a orientação do robô. Calcula-se também a incerteza (P(k+1 ) associada à postura estimada do robô [2]: T P ( k + 1 = F*P( *F + C V Sendo F a matriz do modelo de movimento linearizada [2]: 5
6 1 F = 1 D( *sinθ ( D( *cosθ ( 1 As matrizes 3x3 de covariância do erro P( e Cv são fornecidas com valores que determinam a probabilidade de erro associada à postura estimada do robô. Emparelhamento Dados a incerteza P(k+1), o modelo de observação linearizado H e a covariância da inovação S, calcula-se o ganho de Kalman, que irá possibilitar a comparação dos valores preditos com os observados, de modo que seja possível analisar uma medida do quanto a observação está compatível com a postura estimada do robô, calculada na predição [2] e [7]. O ganho de Kalman é dado por [2]: K( k + 1) = P( k + 1)*H T -1 *(S) Sendo a inovação a diferença entre observações dada por [2]: v( k + 1) = z(k + 1) h[xˆ ( k + 1, ξ ] Onde, z é a distancia lida do robô em relação ao marco e h é a distância observada, dada por [2]: h[x(, ξ ] = [( x( x ) + ( y( 2 m y m ) 2 ] 1 2 Quando a inovação resulta no valor ou próximo de, considera-se válida a informação observada. Para calcular o ganho de Kalman, é preciso calcular também a covariância da inovação S [2]: T S = H*P( k + 1 *H + Onde, Cw corresponde ao um valor de probabilidade de erro associado ao modelo de observação do laser (h). C ω 6
7 E o modelo de observação linearizado H é dado por [2]: 2 * x( *[ x( = x H = 2 * y( *[ y( = y A área de validação é calculada para ignorar valores inválidos e saber se é necessário executar a atualização, dada por [1]: v( k + 1)*S -1 m m ] ] * v(k + 1) g Onde, g² é um limiar escolhido empiricamente. Dessa forma, o emparelhamento tem o objetivo de averiguar as informações preditas com as observadas e dizer se o processo de atualização será executado ou não, pois apenas as observações válidas são usadas na atualização, ou seja, ela só será executada caso sejam encontrados erros de predição, caso não, a próxima iteração do filtro será executada. 2 T Atualização Tem-se como base os cálculos da fase de emparelhamento para, na fase de atualização, corrigir a estimação do estado e a covariância do erro associada, para então executar a próxima iteração do filtro com informações mais próximas o possível da real localização do robô no ambiente o qual está inserido [2]. A nova postura estimada é dada por [2]: xˆ ( k + 1) = xˆ ( k K( k + 1)*v( k + 1) E a nova incerteza associada à postura atualizada é dada por [1]: P( k + 1) = P( k + 1 K( k + 1)*S( k + 1)*K( k + 1) T 7
8 Ambientes utilizados Figura 2: Representação do ambiente 1 com marcos e da trajetória do robô Experimentos O FKE, como descrito anteriormente, foi testado num ambiente simulado, utilizando MATLAB, de acordo com as especificações posteriores. Foram feitos três testes para covariâncias de erro da posição inicial, do modelo de movimento e do modelo de observação, sendo cada um feito com o mesmo ambiente e para as mesmas entradas de controle. As covariâncias do erro são apresentadas na Tabela 1. Teste 1 Teste 2 Teste 3 P ().5 =.5.5 P ().6 =.6.6 P ().7 = Cv = Cv = Cv =.6.6 8
9 C ω = [.1] C ω = [.2] C ω = [.4] Tabela 1: Covariâncias de erro em relação a posição do robô, ao modelo de movimento e ao modelo de observação. As entradas de controle estão representadas na Tabela 2. A posição dos marcos e a trajetória do robô podem ser visualizados na Figura 2. TEMPO Comando Movimento Z lido Posição do marco 1 [2; ] 1 (5,2) 2 [; 9] 4 (4,6) 3 [1; ] 3 (4,6) 4 [2; ] 1 (4,6) 5 [; -9] 5 (9,5) 6 [2; ] 3 (9,5) 7 [1; ] 2 (9,5) 8 [; -9] 3 (7,2) 9 [2; ] 1 (7,2) 1 [; 9] 5 (9,5) 11 [3; ] 3 (13,3) 12 [1; ] 2 (13,3) 13 [1; ] 1 (13,3) 14 [; 9] 5 (12,8) 15 [2; ] 3 (12,8) 16 [1; ] 2 (12,8) 17 [1; ] 1 (12,8) 18 [; 9] 6 (6,7) 19 [2; ] 4 (6,7) 9
10 2 [3; ] 1 (6,7) 21 [; -9] 5 (7,12) 22 [2; ] 3 (7,12) 23 [1; ] 2 (7,12) 24 [1; ] 1 (7,12) 25 [; 9] 4 (3,14) Tabela 2: Entradas de controle. Resultados Os teste 1, 2 e 3 resultaram em uma única estimação ótima para as entradas de controle da Tabela 2. Resultado este que é apresentado na Tabela 1, 2 e 3, respectivamente, alterando as covariâncias de erro dadas na Tabela 1. Teste 1 Iteração Posição Real Comando Movimento Posição Predita Pelo FKE Covariância Z ESTIMADO Z Lido Posição Atualiza da Pelo FKE Covariância [2; 2; ] 1 [4; 2; ] [2; ] [4; 2; ] [.7;2.7;.7] [4; 2; ] [.16;2.7;.7] 2 [4; 2; 9] [; 9] [4; 2; 9] [.216;2.9;.9] 4 4 [4; 2; 9] [.216;.4; ] 3 [4; 3; 9] [1; ] [4; 3; 9] [.9;.24;.7552] [4; 3; 9] [.9568;.3;.75 52] 4 [4; 5; 9] [2; ] [4; 5; 9] [6.3985;.23;.9552] [4; 5; 9] [6.3985;.1;.5 1
11 5 ] 5 [6.5985;.21;1.1552] 5 5 [4; 5; ] [; -9] [4; 5; ] [4; 5; ] [.1;.21;.5 86] 6 [6; 5; ] [2; ] [6; 5; ] [.21;2.4353;.786] [6; 5; ] [.1;2.4353;.7 866] 7 [.21;5.3782;.986] [7; 5; ] [1; ] [7; 5; ] [7; 5; ] [.1;5.3782;.9 86] 8 [7; 5; - 9] [; -9] [7; 5; - 9] [.21;5.5782;1.186] [7; 5; -9] [.21;.1;.57 47] 9 [7; 3; - 9] [2; ] [7; 3; - 9] [2.6989;.21;.7747] [7; 3; -9] [2.6989;.27;.77 47] 1 [7; 3; ] [; 9] [7; 3; ] [2.8989;.227;.9747] 6 6 [7; 3; ] [;.227;.519] 11 [1; 3; ] [3; ] [1; 3; ] [.2;5.735;.719] [1; 3; ] [;5.735;.719] 12 [11; 3; ] [1; ] [11; 3; ] [.2;9.163;.919] [11; 3; ] [.1;9.163;.91 9] 13 [12; 3; ] [1; ] [12; 3; ] [.21; ;1.119] [12; 3; ] [.2; ;1.1 19] 14 [12; 3; 9] [; 9] [12; 3; 9] [.22; ;1.319] 5 5 [12; 3; 9] [.22;.1;.63 75] 15 [12; 5; 9] [2; ] [12; 5; 9] [2.95;.21;.8375] [12; 5; 9] [2.95;.1;.83 75] 16 [12; 6; [1; ] [12; 6; [12; 6; 11
12 9] 9] [6.5373;.21;1.375] 9] [6.5373;.2;1.3 75] 17 [12; 7; 9] [1; ] [12; 7; 9] [ ;.22;1.2375] [12; 7; 9] [ ;.5; ] 18 [12; 7; 18] [; 9] [12; 7; 18] [ ;.25;1.4375] 6 6 [12; 7; 18] [;.25;.6242] 19 [1; 7; 18] [2; ] [1; 7; 18] [.2;2.8973;.8242] 4 4 [1; 7; 18] [;2.8973;.8242] 2 [7; 7; 18] [3; ] [7; 7; 18] [.2;18.53;1.242] [7; 7; 18] [.5;18.53;1. 242] 21 [7; 7; 9] [; -9] [7; 7; 9] [.25;18.253;1.2242] 5 5 [7; 7; 9] [.25;;.4637] 22 [7; 9; 9] [2; ] [7; 9; 9] [2.2552;.2;.6637] [7; 9; 9] [2.2552;;.6637] 23 [7; 1; 9] [1; ] [7; 1; 9] [4.9735;.2;.8637] [7; 1; 9] [4.9735;.1;.86 37] 24 [7; 11; 9] [1; ] [7; 11; 9] [9.2192;.21;1.637] [7; 11; 9] [9.2192;.2;1.6 37] 25 [5; 11; 18] [; 9] [5; 11; 18] [9.4192;.22;1.2637] 4 4 [5; 11; 18] [;.22;.624] Teste 2 Iteração Posição Real Comando Movimento Posição Predita Pelo FKE Covariância Z ESTIM ADO Z Lido Posiçã o Atualiz ada Pelo FKE Covariância [2; 2; ] 12
13 1 [4; 2; ] [2; ] [4; 2; ] [1.;3.4;1.] [4; 2; ] [.31;3.4;1.] 2 [4; 2; 9] [; 9] [4; 2; 9] [.431;3.8;1.4] 4 4 [4; 2; 9] [.431;.8;1.211] 3 [4; 3; 9] [1; ] [4; 3; 9] [1.8242;.48; ] [4; 3; 9] [1.8242;.6;1.4211] 4 [4; 5; 9] [2; ] [4; 5; 9] [ ;.46;1.8211] [4; 5; 9] [ ;.2; ] 5 [4; 5; ] [; -9] [4; 5; ] [ ;.42;2.2211] 5 5 [4; 5; ] [.1;.42;1.168] 6 [6; 5; ] [2; ] [6; 5; ] [.41;4.8692; ] [6; 5; ] [.2;4.8692;1.4168] 7 [7; 5; ] [1; ] [7; 5; ] [.42;1.7532;1.8168] [7; 5; ] [.3;1.7532; ] 8 [7; 5; -9] [; -9] [7; 5; -9] [.43; ;2.2168] [7; 5; - 9] [.43;.2;1.1494] 9 [7; 3; -9] [2; ] [7; 3; -9] [5.3978;.42; ] [7; 3; - 9] [5.3978;.42;1.5494] 1 [7; 3; ] [; 9] [7; 3; ] [5.7978;.455; ] 6 6 [7; 3; ] [;.455;1.379] 11 [1; 3; ] [3; ] [1; 3; ] [.4;1.147;1.4379] [1; 3; ] [.1;1.147; ] 12 [11; 3; ] [1; ] [11; 3; ] [.41; ;1.8379] [11; 3; ] [.1; ; ] 13 [12; 3; ] [1; ] [12; 3; ] [.41; ;2 [12; 3; ] [.3; ;
14 .2379] 9] 14 [12; 3; 9] [; 9] [12; 3; 9] [.43; ;2.6379] 5 5 [12; 3; 9] [.43;.2;1.2749] 15 [12; 5; 9] [2; ] [12; 5; 9] [5.9;.42; ] [12; 5; 9] [5.9;.2;1.6749] 16 [12; 6; 9] [1; ] [12; 6; 9] [13.746;.42;2.749] [12; 6; 9] [13.746;.3;2.749] 17 [12; 7; 9] [1; ] [12; 7; 9] [23.999;.43;2.4749] [12; 7; 9] [23.999;.1; ] 18 [12; 7; 18] [; 9] [12; 7; 18] [24.399;.41;2.8749] 6 6 [12; 7; 18] [;.41;1.2484] 19 [1; 7; 18] [2; ] [1; 7; 18] [.4;5.7946; ;1.6484] 4 4 [1; 7; 18] [;5.7946;1.6484] 2 [7; 7; 18] [3; ] [7; 7; 18] [.4;36.16; ] [7; 7; 18] [.1;3616;2.484 ] 21 [7; 7; 9] [; -9] [7; 7; 9] [.4;36.16;2.4 84] 5 5 [7; 7; 9] [.41;;.9273] 22 [7; 9; 9] [2; ] [7; 9; 9] [4.514;.4; ] [7; 9; 9] [4.514;.1;1.3273] 23 [7; 1; 9] [1; ] [7; 1; 9] [9.9471;.41; [7; 1; 9] [9.9471;.1;1.7273] 24 [7; 11; 9] [1; ] [7; 11; 9] [ ;.41;2 [7; 11; 9] [ ;.4;2.1273] 14
15 .1273] 25 [5; 11; 18] [; 9] [5; 11; 18] [ ;.44;2.5273] 4 4 [5; 11; 18] [.1;.44;1.248] Teste 3 Iteração Posição Real Comando Movimento Posição Predita Pelo FKE Covariância Z ESTIM ADO Z Lido Posiçã o Atualiz ada Pelo FKE Covariância [2; 2; ] 1 [4; 2; ] [2; ] [4; 2; ] [1.3;4.1;1.3] [4; 2; ] [.62;4.1;1.3] 2 [4; 2; 9] [; 9] [4; 2; 9] [.662;4.7;1.9] 4 4 [4; 2; 9] [.662;.16;1.4831] 3 [4; 3; 9] [1; ] [4; 3; 9] [2.6893;.616;2. 831] [4; 3; 9] [2.6893;.12;2.831] 4 [4; 5; 9] [2; ] [4; 5; 9] [ ;.612;2.6831] [4; 5; 9] [ ;.4; ] 5 [4; 5; ] [; -9] [4; 5; ] [ ;.64; ] 5 5 [4; 5; ] [.2;.64;1.5251] 6 [6; 5; ] [2; ] [6; 5; ] [.62;7.345; ] [6; 5; ] [.3;7.345;2.1251] 7 [7; 5; ] [1; ] [7; 5; ] [.63;16.123;2.7251] [7; 5; ] [.5;16.133; ] 8 [7; 5; -9] [; -9] [7; 5; -9] [.65;16.733;3.3251] [7; 5; - 9] [.65;.4;1.7242] 15
16 9 [7; 3; -9] [2; ] [7; 3; -9] [8.973;.64;2. 342] [7; 3; - 9] [8.973;.19;2.3242] 1 [7; 3; ] [; 9] [7; 3; ] [8.6973;.619; ] 6 6 [7; 3; ] [.1;.69;1.557] 11 [1; 3; ] [3; ] [1; 3; ] [.61; ;2.157] [1; 3; ] [.1; ;2.157 ] 12 [11; 3; ] [1; ] [11; 3; ] [.61; ;2.757] [11; 3; ] [.2; ;2.757 ] 13 [12; 3; ] [1; ] [12; 3; ] [.62; ;3.357] [12; 3; ] [.7; ; ] 14 [12; 3; 9] [; 9] [12; 3; 9] [.67; ;3.957] 5 5 [12; 3; 9] [.67;.4;1.9125] 15 [12; 5; 9] [2; ] [12; 5; 9] [8.857;.64; ] [12; 5; 9] [8.857;.4;2.5125] 16 [12; 6; 9] [1; ] [12; 6; 9] [ ;.7;3.1125] [12; 6; 9] [ ;.7; ] 17 [12; 7; 9] [1; ] [12; 7; 9] [36.7;.67;3.7125] [12; 7; 9] [36.7;.2; ] 18 [12; 7; 18] [; 9] [12; 7; 18] [36.67;.62;4.3125] 6 6 [12; 7; 18] [;.62;1.8726] 19 [1; 7; 18] [2; ] [1; 7; 18] [.6;8.6924; ] 4 4 [1; 7; 18] [.1;8.6924;2.4726] 16
17 2 [7; 7; 18] [3; ] [7; 7; 18] [.61;54.167;3.726] [7; 7; 18] [.2;54.167;3.72 6] 21 [7; 7; 9] [; -9] [7; 7; 9] [.62; ;3.6726] 5 5 [7; 7; 9] [.62;.1;1.391] 22 [7; 9; 9] [2; ] [7; 9; 9] [6.7662;.61;1. 991] [7; 9; 9] [6.7662;.1;1.991] 23 [7; 1; 9] [1; ] [7; 1; 9] [ ;.61;2.51] [7; 1; 9] [ ;.2;2.591 ] 24 [7; 11; 9] [1; ] [7; 11; 9] [ ;.62;3.191] [7; 11; 9] [ ;.8;3.191 ] 25 [5; 11; 18] [; 9] [5; 11; 18] [.1;.68;1. 872] 4 4 [5; 11; 18] [.1;.44;1.248] 17
18 Referências Bibliográficas [1] Odakura, Valguima Victoria Viana Aguiar. Aula 16 - Filtro de Kalman, UFGD, 21. [2] Odakura, Valguima Victoria Viana Aguiar. Aula 18 Filtro de Kalman Estendido, UFGD, 21. [3] SANTANA, A. M.; AIRES, K. R. T.; MEDEIROS, A. A. D.. Localização Relativa de um Robô Humanóide Utilizando Filtro de Kalman Estendido. In: ERCEMAPI - Escola Regional de Computação Ceará - Maranhão - Piauí, 29, Parnaíba, PI. Anais do III ERCEMAPI. Teresina, PI : EDUFPI, 29. v. 1. [4] Odakura, Valguima Victoria Viana Aguiar. Aula 1 Localização de Robôs Móveis, UFGD, 21. [5] Odakura, Valguima Victoria Viana Aguiar. Aula 9 - Cinemática, UFGD, 21. [6] WAGNER, E. R.; HEMERLY, E. M. Estimação de Postura de Robôs Móveis via Filtro de Kalman Usando Odometria e Scanner a laser. Tese (Mestrado) Instituto Tecnológico de Aeronáutica - ITA (24). [7] RUSSEL, Stuart J, RUSSEL, Peter Norvig. Inteligência Artificial. 2 Edição. Rio de Janeiro. Elsevier, 24. [8] SILVA, Claudiney Calixto da; PEREIRA, Juliano Augusto. Implementação e Análise de Localização em Robótica Móvel por Filtro de Kalman. In: Encontro de Iniciação Científica e Pós-Graduação do ITA (ENCITA), 23, São José dos Campos,
19 Anexo CÓDIGO-FONTE O código MATLAB para a função de predição pode ser visto na Listagem 1. function [Xe, Pe] = predicao(xk, Pe, Cv, u %O robô se move e usa parâmetros de controle para estimar sua postura no estado k+1 orient= deg2rad(xk(3,1)); Xe = [xk(1,1) + (uk(1,1)*cos(orient));xk(2,1) + (uk(1,1)*sin(orient)); xk(3,1) + uk(2,1)]; %Versão linearizada do modelo de movimento é gerada na estimativa do estado atual F = [1,, -uk(1,1)*(sin(orient));,1,uk(1,1)*(cos(orient));,,1]; %A incerteza do estado é gerada atualizando a matriz de covariância usando os movimentos obtidos e o tempo k Pe = ((F*Pe)*F')+Cv; Listagem 2. Listagem 1: código MATLAB da função de predição do FKE. O código MATLAB para a função de emparelhamento pode ser visto na function [H,h, Kganho, VInov, Valid,S] = emparelhamento(xk, pm, Pe, Cw, z) %Modelo de observação linearizado H = [2*xk(1,1)*(xk(1,1) - pm(1,1)) (2*xk(2,1))*(xk(2,1) - pm(1,2)) ]; %Modelo de observação do laser h = sqrt([xk(1,1) - pm(1,1)]^2 + [xk(2,1) - pm(1,2)]^2); %Inovação VInov = z - h; %Covariância da inovação S = ((H*Pe)*H') + Cw; %Ganho de Kalman Kganho = (Pe*H')*inv(S); % Cálculo da área de validação Valid = (VInov*inv(S))*VInov'; Listagem 2: código MATLAB da função de emparelhamento do FKE. 19
20 O código MATLAB para a função de atualização pode ser visto na Listagem 3. function [Xe, Pe] = atualizacao(xe, Pe, Kganho, VInov, S) %x estimado atualizado Xe = Xe + (Kganho*VInov); %Covariância do erro atualizada Pe = Pe - ((Kganho*S)*Kganho'); Listagem 3: código MATLAB da função de atualização. A Listagem 4 mostra o código do teste 1. Nos outros dois testes as únicas informações que se alteram são os valores das matrizes de covariância do erro P(k+1), Cv e Cw. 2
21 function [xk, Cv,uk, Cw, z, Pk, pm] = teste1() %Posição inicial Xe = [2;2;]; %Matrizes de coraviância do erro Cv = [.2,,;,.2,;,,.2]; Cw = [.1]; Pe = [.5,,;,.5,;,,.5]; %Entradas de controle para o tempo 1 uk = [2;]; z = 1; pm = [5 2]; %Vetores de entradas de controle, do tempo 2 ao 25 Z=[4,3,1,5,3,2,3,1,6,3,2,1,5,3,2,1,6,4,1,5,3,2,1,4]; Dk = [ ]; orientacao = [ ]; pos_marco = [4 6;4 6;4 6;9 5; 9 5; 9 5;7 2;7 2;1;1;1;1;12 8;12 8;12 8;12 8;6 7;6 7;6 7;7 12;7 12;7 12;7 12;3 11]; %Percorre os vetores de entradas de controle, do tempo 2 ao 25 for i=1:1:25 disp('tempo '); disp(i); if(i > 1) uk(1,1) = Dk(i-1); uk(2,1) = orientacao(i-1); z = Z(i-1); pm(1,1) = pos_marco(i-1,1); pm(1,2) = pos_marco(i-1,2); end %Predição [Xe, Pe] = predicao(xe, Pe, Cv, u; disp('x estimado: '); disp(xe); disp('covariância X estimado: '); disp(pe); %Emparelhamento [H,h, Kganho, VInov, Valid,S] = emparelhamento(xe, pm, Pe, Cw, z); disp('z lido: '); disp(z); disp('z estimado: '); disp(h); end end %Atualização if(valid <=8) [Xe, Pe] = atualizacao(xe, Pe, Kganho, Valid, S); disp('x estimado atualizado: '); disp(xe); disp('covariância X estimado atualizado: '); disp(pe); end Listagem 4: código MATLAB do teste 1. 21
SSC5887 SSC5887. Histórico. Grupo de Sistemas Embarcados Evolutivos e Robóticos - SEER. Grupo de Sistemas Embarcados Evolutivos e Robóticos - SEER
Grupo de Sistemas Embarcados Evolutivos e Robóticos - SEER Áreas de atuação: SSC5887 Introdução aos Sistemas Robóticos Denis Fernando Wolf 1º semestre 2010 Sistemas embarcados Computação reconfigurável
Leia maisAPLICAÇÃO DO FILTRO DE KALMAN A UM SISTEMA DE POSICIONAMENTO DE VEÍCULO AQUÁTICO
APLICAÇÃO DO FILTRO DE KALMAN A UM SISTEMA DE POSICIONAMENTO DE VEÍCULO AQUÁTICO André TEIXEIRA DE AQUINO; André LUIZ CARNEIRO DE ARAÚJO (1) Instituto Federal de Educação, Ciência e Tecnologia do Ceará,
Leia maisIntrodução. Introdução. Introdução. Introdução. Introdução. Introdução à Robótica Robótica Móvel Localização. Principais questões na Robótica
à Robótica Robótica Móvel Localização Prof. Douglas G. Macharet douglas.macharet@dcc.ufmg.br Principais questões na Robótica Onde estou? (localização) Aonde vou? (objetivo) Como vou? (planejamento)? à
Leia maisLocalização de robôs móveis baseados em balizas
Faculdade de Engenharia da Universidade do Porto Localização de robôs móveis baseados em balizas Sandro Augusto Costa Magalhães Tiago José Ferreira Mendonça VERSÃO FINAL Trabalho realizada no âmbito da
Leia maisIMPLEMENTAÇÃO DE SISTEMA DE ATITUDE EM DSP
Anais do 15 O Encontro de Iniciação Científica e Pós-Graduação do ITA XV ENCITA / 2009 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 19 a 21 2009. IMPLEMENTAÇÃO DE SISTEMA
Leia maisSLAM II Localização e Mapeamento Simulatâneos
SCE5880 Algoritmos de Estimação para Robótica Móvel As posições do robô ao longo do tempo e os landmarks correspondem a nós em um grafo. Filtro de Informação SLAM II Localização e Mapeamento Simulatâneos
Leia mais10/11/ : Navegação Robótica. .: Sistema de Localização
Localização Relativa de um Robô Humanóide Utilizando Filtro de Kalman Estendido André M. Santana 1, Kelson R. T. Aires 1, Adelardo A. D. Medeiros 2 1 Departamento de Informática e Estatística (DIE) Universidade
Leia maisIMPLEMENTAÇÃO E ANÁLISE DE LOCALIZAÇÃO EM ROBÓTICA MÓVEL POR FILTRO DE KALMAN
IMPLEMENTAÇÃO E ANÁLISE DE LOCALIZAÇÃO EM ROBÓTICA MÓVEL POR FILTRO DE KALMAN Claudiney Calixto da Silva (PG), Juliano Augusto Pereira (PG) Divisão de Ciência da Computação - Instituto Tecnológico de Aeronáutica
Leia maisIntrodução. Introdução Exemplo. Introdução. Representação do Ambiente Exemplo. Representação do Ambiente. Mapeamento e Localização Simultâneos
Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade de São Paulo USP/São Carlos e Localização Simultâneos Giampaolo Luiz Libralon Professora Roseli Aparecida Francelin Romero Introdução
Leia maisOdometria e equações de movimento de um robô
Faculdade de Engenharia da Universidade do Porto Odometria e equações de movimento de um robô Sandro Augusto Costa Magalhães Tiago José Ferreira Mendonça UP0130493 UP01305394 Relatório realizado no âmbito
Leia maisEste capítulo descreve os testes realizados para validar a teoria proposta pela presente dissertação.
6 Simulações Este capítulo descreve os testes realizados para validar a teoria proposta pela presente dissertação. 6.1. Descrição da Simulação Visando validar o equacionamento desenvolvido no Capítulo
Leia mais3 Filtro de Kalman Discreto
3 Filtro de Kalman Discreto As medidas realizadas por sensores estão sujeitas a erros, como pode ser visto no Capítulo 2. Os filtros são aplicados aos sinais medidos pelos sensores para reduzir os erros,
Leia mais5 Equacionamento do Filtro de Kalman
5 Equacionamento do Filtro de Kalman As implementações do filtro de Kalman para a fusão do GPS com o sensor inercial são classificadas na literatura principalmente como: acopladas, utilizando como informação
Leia maisOccupancy grid based graph-slam using the distance transform, SURF features and SGD
Occupancy grid based graph-slam using the distance transform, SURF features and SGD Autores: Arturo Gil, Miguel Juliá, Óscar Reinoso Artur Segal Kaim Agenda Introdução Arquitetura Resultados Trabalho futuro
Leia maisIA368-W Métodos Estocásticos em Robótica Móvel
IA368-W Métodos Estocásticos em Robótica Móvel Prof. Eleri Cardozo Prof. Eric Rohmer Colaboradores: Leonardo R. Olivi Paulo G. Pinheiro Ricardo S. Souza Fernando C.A. Pinho PROPAGAÇÃO DE ERROS EM ODOMETRIA
Leia maisRepresentações da Crença e Mapas Localização Probabilística baseada em Mapas Exemplos de outros Sistemas de Localização Bibliografia Recomendada
Aula 6 Introdução à Robótica Móvel Localização Prof. Dr. Marcelo Becker EESC - USP Sumário da Aula Introdução Representações da Crença e Mapas Localização Probabilística baseada em Mapas Exemplos de outros
Leia maisRobótica Móvel Inteligente: Aplicações da Inteligência Artificial nas Pesquisas em Robótica
! " # $% #'&()(& Robótica Móvel Inteligente: Aplicações da Inteligência Artificial nas Pesquisas em Robótica * +, -. - / 012 34 5 1 6 7 8 7 9 : 7 ;< = >? > 8 @ A B : 8 : B 7 8 @ C 9 D 0 E. F 0,. / 0, +
Leia maisIA Robótica Móvel II - Locomoção e Localização
Planejamento para IA Robótica Móvel II - e Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 23 de Novembro de 2010 1 /
Leia maisFiltro de Kalman. Teoria e Aplicação para Iniciantes. Prof. Dr. Marco Antonio Leonel Caetano. M&V Consultoria e Treinamento
Filtro de Kalman Teoria e Aplicação para Iniciantes Prof. Dr. Marco Antonio Leonel Caetano M&V Consultoria e Treinamento www.mudancasabruptas.com.br A História da Filtragem de Sinais 930 940 960 Filtro
Leia mais15/05/2013. Localização I. Localização. Localização: classificação. Localização: classificação. Tipo de ambiente. Ambiente dinâmico - soluções
SCE5880 Algoritmos de Estimação para Robótica Móvel Localização Estimar a posição de um robô a partir de um mapa e de informações obtidas por sensores. Localização I Localização: classificação Tipo de
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
FILTRO DE KALMAN ESTENDIDO BASEADO EM VISÃO COMPUTACIONAL E ODOMETRIA APLICADO À LOCALIZAÇÃO DE ROBÔS MÓVEIS Fabrício de Oliveira Coelho, João Pedro Carvalho de Souza, Milena Faria Pinto, Guilherme Marins
Leia maisINTRODUÇÃO À ROBÓTICA MÓVEL
INTRODUÇÃO À ROBÓTICA MÓVEL Aula 20 Edson Prestes Departamento de Informática Teórica http://www.inf.ufrgs.br/~prestes prestes@inf.ufrgs.br Exploração baseada em Fronteiras Método desenvolvido por Brian
Leia maisEstudo Sobre Localização de Robôs Móveis com Rodas para Fins de Navegação Local
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE TECNOLOGIA CURSO DE ENGENHARIA MECATRÔNICA BACHARELADO EM ENGENHARIA MECATRÔNICA Estudo Sobre Localização
Leia maisEmparelhamento-Filtragem na Localização de Robots Móveis
O ciclo Predição-Emparelhamento Emparelhamento-Filtragem na Localização de Robots Móveis Maria Isabel Ribeiro Instituto Superior Técnico Instituto de Sistemas e Robótica mir@isr.ist.utl.pt Outubro de 1999
Leia maisINTRODUÇÃO À ROBÓTICA MÓVEL
INTRODUÇÃO À ROBÓTICA MÓVEL Aua 25 Edson Prestes Departamento de Informática Teórica http://www.inf.ufrgs.br/~prestes prestes@inf.ufrgs.br Locaização Fitragem de Kaman Fitragem de kaman fornece uma abordagem
Leia maisRobótica Móvel Locomoção e Controle. Douglas Wildgrube Bertol DEE - Engenharia Elétrica CCT
Robótica Móvel Locomoção e Controle Douglas Wildgrube Bertol DEE - Engenharia Elétrica CCT AS2ROB1 Fundamentos de Robótica Joinville 04/06/2018 Objetivos desta aula Conceitos básicos de controle de robôs
Leia maisIMPLEMENTAÇÃO DE SISTEMA DE ATITUDE USANDO SENSORES MARG
Anais do XVI Encontro de Iniciação Científica e Pós-Graduação do ITA XVII ENCITA / 11 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil 19 de outubro de 11 IMPLEMENTAÇÃO DE SISTEMA DE
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Capítulo 7: Filtro de Kalman Estendido Discreto Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br
Leia maisDesenvolvido por: Prof. Dr. Fernando Osório* Farlei Heinen* (Mestrando em Computação Aplicada - PIP/CA)
Seminário de Pesquisa - Mestrado em Computação Aplicada Robótica Autônoma: Projeto de Sistemas Inteligentes usando Aprendizado de Máquinas Desenvolvido por: Prof. Dr. Fernando Osório* Farlei Heinen* (Mestrando
Leia maisTrabalho de iniciação científica CTI (Centro de tecnologia da informação Renato Archer)
Trabalho de iniciação científica CTI (Centro de tecnologia da informação Renato Archer) Por Mariana Rodrigues Souza (Bolsista de iniciação científica no CTI-DRVC) Roteiro para experimento de movimento
Leia mais5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000)
5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000) A primeira parte deste capítulo, referente à passagem dos modelos estocásticos para as equações do Filtro de Kalman, já foi previamente
Leia maisLego NXT: Navegação e Localização com sensores de distância baseados em infra-vermelhos utilizando um Extended Kalman Filter
Lego NXT: Navegação e Localização com sensores de distância baseados em infra-vermelhos utilizando um Extended Kalman Filter Miguel Pinto Sistemas Robóticos Autónomos 1 Resumo LegoFeup Localização Cenários
Leia maisCinemática de Robôs Móveis
Cinemática de Robôs Móveis A cinemática é a área da Física que estuda o movimento dos corpos. Em robótica móvel a cinemática estabelece relações entre o deslocamento (locomoção) do robô e a atuação a ele
Leia maisLOCALIZAÇÃO DE UM ROBÔ MÓVEL BASEADA EM ODOMETRIA E MARCOS NATURAIS UTILIZANDO ILTRO DE KALMAN ESTENDIDO André M. Santana, Adelardo A.D. Medeiros Departamento de Engenharia de Computação e Automação -
Leia mais7. Controlo Adaptativo
1 7. Controlo Adaptativo Objectivo: Mostrar como é possível integrar os blocos anteriormente estudados de identificação de sistemas e projecto de controladores para obter controladores adaptativos. 2 Motivação
Leia maisGrupo de Sistemas Embarcados Evolutivos e Robóticos - SEER
SSC5887 Introdução aos Sistemas Robóticos Denis Fernando Wolf 1º semestre 2011 Grupo de Sistemas Embarcados Evolutivos e Robóticos - SEER Áreas de atuação: Sistemas embarcados Computação reconfigurável
Leia maisRobótica. Prof. Reinaldo Bianchi Centro Universitário FEI 2016
Robótica Prof. Reinaldo Bianchi Centro Universitário FEI 2016 5 a Aula Pós Graduação - IECAT Objetivos desta aula Velocidade e Aceleração de corpo rígido. Matrizes de inércia. Bibliografia Capítulos 5
Leia maisRobótica Móvel. Simuladores de Robôs Móveis. Player/Stage/Gazebo. Localização Mapeamento SLAM Navegação. CSBC JAI # 3 Fundamentos
Robótica Móvel Inteligente: Da Simulação às Aplicações no Mundo Real Denis Fernando Wolf Eduardo do Valle Simões Fernando Santos Osório Onofre Trindade Junior Universidade de São Paulo USP - ICMC Grupo
Leia maisRoteiro do Experimento Força de Atrito Variável Parte II
Roteiro do Experimento Força de Atrito Variável Parte II A) Introdução à Parte II do experimento Na Parte I da análise do experimento, as grandezas cinemáticas relativas ao movimento da moeda foram determinadas,
Leia maisIntegração de Dados Visuais e Inerciais Para o Equilíbrio de Um Robô Humanóide
Integração de Dados Visuais e Inerciais Para o Equilíbrio de Um Robô Humanóide Orientador: Professor Vítor Santos Coorientador: Professor Filipe Silva João Carlos Pimentel Fidalgo Peixoto 00 Universidade
Leia maisDisciplina de. Programação de Robôs Móveis SSC-0712
USP - ICMC - SSC LRM (Lab. de Robótica Móvel) SSC 0712 (PRM) - 1o. Semestre 2014 Disciplina de SSC-0712 1 Fev. 2014 Prof. Fernando Santos Osório Email: fosorio [at] { icmc. usp. br, gmail. com } Estagiário
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia mais15/05/2013. Histórico da Pesquisa em Robótica. Objetivos do curso. Informações. Calendário. Histórico
Objetivos do curso SSC5880 Algoritmos de Estimação para Robótica Móvel Estudo dos problemas fundamentais da robótica móvel Estudo da utilização de técnicas de estimação e de fusão de sensores aplicadas
Leia maisMapeamento de ambientes e processamento visual utilizando Kinect
Mapeamento de ambientes e processamento visual utilizando Kinect Mário Alberto Cecchi Raduan Bolsista PIBIC/UFRJ Orientador: Adriano Joaquim de Oliveira Cruz, PhD Laboratório de Inteligência Computacional
Leia maisLOCALIZAÇÃO DE UM ROBÔ MÓVEL BASEADA EM ODOMETRIA E MARCOS NATURAIS UTILIZANDO FILTRO DE KALMAN EXTENDIDO
LOCALIZAÇÃO DE UM ROBÔ MÓVEL BASEADA EM ODOMETRIA E MARCOS NATURAIS UTILIZANDO ILTRO DE KALMAN EXTENDIDO André M. Santana, Adelardo A.D. Medeiros Departamento de Engenharia de Computação e Automação -
Leia maisTÍTULO: DESENVOLVIMENTO DE SISTEMA DE SENSORIAMENTO E COMUNICAÇÃO PARA NAVEGAÇÃO DE VEÍCULOS AUTÔNOMOS
Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 ÍULO: DESENVOLVIMENO DE SISEMA DE SENSORIAMENO E COMUNICAÇÃO PARA NAVEGAÇÃO DE VEÍCULOS AUÔNOMOS CAEGORIA:
Leia maisSISTEMAS ROBÓTICOS AUTÓNOMOS
SISTEMAS ROBÓTICOS AUTÓNOMOS Mestrado Integrado em Engenharia Eletrotécnica e de Computadores de Faculdade de Engenharia da Universidade do Porto A. Paulo G. M. Moreira Pag. 1 SISTEMAS ROBÓTICOS AUTÓNOMOS
Leia mais17/05/2011. Histórico da Pesquisa em Robótica. Objetivos do curso. Calendário. Informações. Histórico
Objetivos do curso SSC5880 Algoritmos de Estimação para Robótica Móvel Estudo dos problemas fundamentais da robótica móvel Estudo da utilização de técnicas de estimação e de fusão de sensores aplicadas
Leia maisIA368-W Métodos Estocásticos em Robótica Móvel
IA368-W Métodos Estocásticos em Robótica Móvel Prof. Eleri Cardozo Prof. Eric Rohmer Colaboradores: Leonardo R. Olivi Paulo G. Pinheiro Ricardo S. Souza Fernando C.A. Pinho LOCALIZAÇÃO ROBÓTICA: FILTRO
Leia maisCONSTRUÇÃO DE UM ROBÔ MÓVEL COMO RECURSO DIDÁTICO NOS CURSOS DE ENGENHARIA
CONSTRUÇÃO DE UM ROBÔ MÓVEL COMO RECURSO DIDÁTICO NOS CURSOS DE ENGENHARIA 1. INTRODUÇÃO A robótica é uma ciência que se dedica a desenvolver dispositivos capazes de realizar tarefas automaticamente empregando
Leia maisIA - Planejamento II
PO IA - Planejamento II Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 16 de Novembro de 2010 1 / 48 PO http://www.ic.unicamp.br/
Leia maisProf. Henrique Barbosa Edifício Basílio Jafet - Sala 100 Tel
Prof. Henrique Barbosa Edifício Basílio Jafet - Sala 100 Tel. 3091-6647 hbarbosa@if.usp.br http://www.fap.if.usp.br/~hbarbosa Exp. 2 Seletor de Velocidades PROGRAMAÇÃO Semana 1 Movimento em campo elétrico
Leia mais19/05/2014. Histórico da Pesquisa em Robótica. Objetivos do curso. Informações. Calendário. Histórico
Objetivos do curso SSC5880 Algoritmos de Estimação para Móvel Estudo de problemas fundamentais da robótica móvel Estudo da utilização de técnicas de estimação e de fusão de sensores aplicadas na robótica
Leia maisUm robô está num corredor. Ele possui um mapa do corredor mas não sabe onde está localizado. A parede do corredor e indistinta, exceto pelas portas.
Um robô está num corredor. Ele possui um mapa do corredor mas não sabe onde está localizado. A parede do corredor e indistinta, exceto pelas portas. O corredor possui 3 portas idênticas, exceto pelas sua
Leia maisTransformações Geométricas
Transformações Geométricas Computação Gráfica DCC065 Prof. Rodrigo Luis de Souza da Silva, D.Sc. Sumário Tópicos da aula de hoje: Por que transformações? Classificação das transformações Transformações
Leia maisEstimação de Velocidade do Motor com Controle Vetorial sem Sensor, Utilizando Filtro Estendido de Kalman com Estimação da Covariância dos Ruídos.
Jaime Antonio Gonzalez Castellanos Estimação de Velocidade do Motor com Controle Vetorial sem Sensor, Utilizando Filtro Estendido de Kalman com Estimação da Covariância dos Ruídos. Tese de Doutorado Tese
Leia mais1 ESCOLA POLITÉCNICA DA USP Sensores Eduardo L. L. Cabral ESCOLA POLITÉCNICA DA USP
elcabral@usp.br 1 PMR2560 Robótica Sensores Eduardo L. L. Cabral elcabral@usp.br elcabral@usp.br 2 Objetivos Sensores utilizados nos robôs industriais. Sensores internos; Sensores externos. Sensores de
Leia maisMarcela Gonçalves dos Santos, Walter Fetter Lages Universidade Federal do Rio Grande do Sul - Departamento de Engenharia Elétrica
FUSÃO DE DADOS DE SENSORES PARA ESTIMAÇÃO DE POSIÇÃO E ORIENTAÇÃO DO APM AEROMÓVEL Marcela Gonçalves dos Santos, Walter Fetter Lages Universidade Federal do Rio Grande do Sul - Departamento de Engenharia
Leia maisAssim, a rápida acumulação de erros pequenos pode causar o fracasso de quase todos os métodos para resolver o problema de SLAM.
1 Introdução Avanços significativos têm sido feitos no sentido de criar um robô capaz de realizar tarefas completamente autônomas. As tarefas básicas como planejamento de trajetórias, localização e navegação
Leia maisControle utilizando variáveis de estado - v1.1
2 ontrole utilizando variáveis de estado - v. 2. Objetivo O objetivo desta experiência é, utilizando o enfoque de espaço de estados, projetar e implementar um controlador digital para uma planta simples
Leia maisImplementação de rotinas básicas de controlo do movimento de um robô (GoToXYTheta)
Faculdade de Engenharia da Universidade do Porto Implementação de rotinas básicas de controlo do movimento de um robô (GoToXYTheta) Sandro Augusto Costa Magalhães Tiago José Ferreira Mendonça VERSÃO FINAL
Leia maisDCBD. Avaliação de modelos. Métricas para avaliação de desempenho. Avaliação de modelos. Métricas para avaliação de desempenho...
DCBD Métricas para avaliação de desempenho Como avaliar o desempenho de um modelo? Métodos para avaliação de desempenho Como obter estimativas confiáveis? Métodos para comparação de modelos Como comparar
Leia maisUnidade V - Desempenho de Sistemas de Controle com Retroação
Unidade V - Desempenho de Sistemas de Controle com Retroação Introdução; Sinais de entrada para Teste; Desempenho de um Sistemas de Segunda Ordem; Efeitos de um Terceiro Pólo e de um Zero na Resposta Sistemas
Leia maisMecânica I (FIS-14) Prof. Dr. Ronaldo Rodrigues Pelá Sala 2602A-1 Ramal 5785
Mecânica I (FIS-14) Prof. Dr. Ronaldo Rodrigues Pelá Sala 2602A-1 Ramal 5785 rrpela@ita.br www.ief.ita.br/~rrpela Onde estamos? Nosso roteiro ao longo deste capítulo Cinemática retilínea: Cinemática retilínea:
Leia maisESTIMAÇÃO DE POSIÇÃO E VELOCIDADE DE UM ALVO MÓVEL TERRESTRE UTILIZANDO CÂMERA EMBARCADA EM UAV
ERIC LINARES COLOMBO ESTIMAÇÃO DE POSIÇÃO E VELOCIDADE DE UM ALVO MÓVEL TERRESTRE UTILIZANDO CÂMERA EMBARCADA EM UAV Trabalho de Conclusão de Curso apresentado à Escola de Engenharia de São Carlos, da
Leia maisAPLICAÇÃO DE REDES NEURAIS RECORRENTES EM AMBIENTES PARCIALMENTE OBSERVÁVEIS 1
APLICAÇÃO DE REDES NEURAIS RECORRENTES EM AMBIENTES PARCIALMENTE OBSERVÁVEIS 1 Eldair Fabrício Dornelles 2, Henrique Augusto Richter 3, Márcia Da Silva 4, Rogério Samuel De Moura Martins 5, Sandro Sawicki
Leia mais2.1. Construção da Pista
2 Malha de Controle Para que se possa controlar um dado sistema é necessário observar e medir suas variáveis de saída para determinar o sinal de controle, que deve ser aplicado ao sistema a cada instante.
Leia maisTÍTULO: TESTE DE CONTROLADOR PARA UM ROBÔ DE EQUILÍBRIO DINÂMICO CATEGORIA: CONCLUÍDO ÁREA: CIÊNCIAS EXATAS E DA TERRA. SUBÁREA: Engenharias
TÍTULO: TESTE DE CONTROLADOR PARA UM ROBÔ DE EQUILÍBRIO DINÂMICO CATEGORIA: CONCLUÍDO ÁREA: CIÊNCIAS EXATAS E DA TERRA SUBÁREA: Engenharias INSTITUIÇÃO(ÕES): CENTRO UNIVERSITÁRIO DO NORTE PAULISTA - UNORP
Leia maisROBÓTICA. Equacionamento da Cinemática Direta de Robôs
ROBÓTICA Equacionamento da Cinemática Direta de Robôs Prof. Dr. Carlo Pece Depto. de Eletrotécnica UTFPR Transparências adaptadas de material fornecido pelo prof. Winderson E. dos Santos UTFPR 1 Cinemática
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Capítulo 5: Aspectos Computacionais do Filtro de Kalman Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br
Leia maisFísica II (Química) FFCLRP USP Prof. Antônio Roque Aula 4. O Pêndulo Físico
591036 Física II (Química) FFCLRP USP Prof. Antônio Roque Aula 4 O Pêndulo Físico O chamado pêndulo físico é qualquer pêndulo real. Ele consiste de um corpo rígido (com qualquer forma) suspenso por um
Leia maisθ depende de um parâmetro desconhecido θ.
73 Método de Máxima Verosimilhança (Maximum Likelihood) Seja uma variável aleatória (v. a.) cuja densidade de probabilidade depende de um parâmetro desconhecido. Admite-se conhecida a forma de Exemplo
Leia maisDisciplina de. Robôs Móveis Autônomos SSC-0714
USP - ICMC - SSC SSC 0714 (RMA) - 1o. Semestre 2010 Disciplina de SSC-0714 Prof. Fernando Santos Osório Email: fosorio [at] { icmc. usp. br, gmail. com } Estagiário PAE: Maurício Acconcia Dias - macccdias
Leia maisManufatura assistida por computador
Manufatura assistida por computador Cinemática Direta em Manipuladores Robóticos Professor: Mário Luiz Tronco Aluno Doutorado: Luciano Cássio Lulio Engenharia Mecânica Orientação e sistemas de referência
Leia maisREFINAMENTOS DE MEDIDAS DE GPS DE POSIÇÃO DE UM VEÍCULO USANDO MEDIDAS DE SISTEMA DE NAVEGAÇÃO INERCIAL
REFINAMENTOS DE MEDIDAS DE GPS DE POSIÇÃO DE UM VEÍCULO USANDO MEDIDAS DE SISTEMA DE NAVEGAÇÃO INERCIAL Alessandro Gonçalves Adinolfi alessandroadinolfi@anacgovbr Agência Nacional de Aviação Civil - ANAC
Leia maisDisciplina de Programação de Robôs Móveis SSC-0712
USP - ICMC - SSC LRM (Lab. de Robótica Móvel) SSC 0712 (PRM) - 1o. Semestre 2012 Disciplina de SSC-0712 1 Março 2012 Prof. Fernando Santos Osório Email: fosorio [at] { icmc. usp. br, gmail. com } Estagiário
Leia maisIntrodução às medidas físicas ( ) Aulas 6 e 7 Queda livre
Introdução às medidas físicas (43005) Aulas 6 e 7 Queda livre Grupo: Nome: Nome: Nome: Introdução: Qual é o objetivo do experimento? Qual é o método que usará para atingir seu objetivo? Medidas Experimentais:
Leia mais4 Desenvolvimento de Algoritmos de controle
4 Desenvolvimento de Algoritmos de controle 4.1 Introdução Os estudos das características sensoriais e equações de movimento realizados com o robô ER1, junto com as ferramentas de simulação, permitem o
Leia mais3 INTERVALOS DE CONFIANÇA
3 INTEVALOS DE CONFIANÇA 3.1 Introdução A estimativa de intervalos de confiança é utilizada para se obter medidas de incerteza dos dados analisados. A análise da incerteza de uma previsão, por exemplo,
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia maisMapeamento robótico. Mapeamento semântico. Metodologia. Maquinas de vetores de suporte. Maquinas de vetores de suporte. Modelos ocultos de Markov
Mapeamento robótico Exemplos de mapas: Mapeamento semântico Mapeamento semântico consiste na criação de mapas que não representam apenas a ocupação métrica do ambiente, mas também outras propriedades.
Leia mais3 Localização e Mapeamento Simultâneos - Híbrido
48 3 Localização e Mapeamento Simultâneos - Híbrido O modelo detalhado neste capítulo foi projetado para um robô equipado com sonares e bússola a mapear e localizar-se simultaneamente em ambientes que
Leia maisRobôs de Serviços. Pedro U. Lima. Instituto Superior Técnico Universidade Técnica de Lisboa Portugal. Portfólio
Robôs de Serviços Pedro U. Lima Instituto Superior Técnico Universidade Técnica de Lisboa Portugal 1 Tópicos Exemplos de Robôs Sistemas Componentes de Robôs e Relação com Outras Áreas da EEC Cooperação
Leia maisCada questão deve receber uma nota entre 0 (menor nota) e 10 (maior nota). Questões podem ter mais de uma resposta A prova do seu aluno deve receber
Cada questão deve receber uma nota entre 0 (menor nota) e 10 (maior nota). Questões podem ter mais de uma resposta A prova do seu aluno deve receber uma pontuação entre 0 e 100. Não se esqueça de lançar
Leia maisUMA ABORDAGEM BASEADA EM RETAS PARA SLAM EM AMBIENTES PLANOS USANDO VISÃO MONOCULAR
UMA ABORDAGEM BASEADA EM RETAS PARA SLAM EM AMBIENTES PLANOS USANDO VISÃO MONOCULAR André M. Santana, Adelardo A. D. Medeiros Departamento de Informática e Estatística - DIE Universidade Federal do Piauí
Leia maisManufatura assistida por Computador
Manufatura assistida por Computador Cinemática Direta em Manipuladores Robóticos for MATLAB Professor Mário Luiz Tronco Aluno Doutorado: Luciano Cássio Lulio Engenharia Mecânica 2013/01 Álgebra linear
Leia maisEES-20: Sistemas de Controle II. 20 Novembro 2017
EES-20: Sistemas de Controle II 20 Novembro 2017 1 / 57 Recapitulando: Filtro de Kalman para sistema de 1a ordem Foi considerado o caso de estado x[k] escalar, com G = 1 e C = 1, por simplicidade: Equação
Leia maisCondução Autónoma Localização de um Veículo com base em Odometria, IMU e GPS
DISSERTAÇÃO Mestrado em Engenharia Electrotécnica Condução Autónoma Localização de um Veículo com base em Odometria, IMU e GPS Baptiste Ferreira Gil Leiria, Março de 214 DISSERTAÇÃO Mestrado em Engenharia
Leia maisForecasting e ti O i Otim Oti ização de ã d Carteiras com Matlab AULA 3
Forecasting e Otimização i de Carteiras com Matlab AULA 3 Guia de Estudo para Aula 03 Modelos Discretos Exercícios - Formulação de um modelo - Programação de modelos com for - A simulação de um modelo
Leia maisFÍSICA - I. Objetivos AVALIAÇÃO DIAGNÓSTICA. Identificar as características de um movimento unidimensional com ênfase no movimento retilíneo.
FÍSICA - I MVIMENT EM UMA DIMENSÃ Prof. M.Sc. Lúcio P. Patrocínio bjetivos Identificar as características de um movimento unidimensional com ênfase no movimento retilíneo. Estabelecer os conceitos de deslocamento,
Leia maisTranslação e Rotação Energia cinética de rotação Momentum de Inércia Torque. Física Geral I ( ) - Capítulo 07. I. Paulino*
ROTAÇÃO Física Geral I (1108030) - Capítulo 07 I. Paulino* *UAF/CCT/UFCG - Brasil 2012.2 1 / 25 Translação e Rotação Sumário Definições, variáveis da rotação e notação vetorial Rotação com aceleração angular
Leia maisSISTEMA PARA PREVER A CHEGADA DE ÔNIBUS NOS PONTOS DE PARADA Felipe Saraiva da Costa¹, André Castelo Branco Soares².
SISTEMA PARA PREVER A CHEGADA DE ÔNIBUS NOS PONTOS DE PARADA Felipe Saraiva da Costa¹, André Castelo Branco Soares². Resumo Visto o aumento na quantidade de veículos em circulação e dos congestionamentos
Leia maisRoteiro do Experimento Força de Atrito Variável Parte II
A) Introdução ao experimento Experimentos Virtuais de Mecânica Roteiro do Experimento Força de Atrito Variável Parte II Na Parte I da análise do experimento, as grandezas cinemáticas relativas ao movimento
Leia maisFilipe Póvoa de Paiva Filtro de Kalman aplicado à Localização de Robôs Móveis utilizando o sensor Laser Rangefinder 2D
Universidade Federal de Juiz de Fora Engenharia Elétrica Programa de Graduação em Engenharia Elétrica com habilitação em Robótica e Automação Industrial Filipe Póvoa de Paiva Filtro de Kalman aplicado
Leia maisUMA ABORDAGEM HÍBRIDA PARA LOCALIZAÇÃO E MAPEMANETO SIMULTÂNEOS PARA ROBÔS MÓVEIS COM SONARES ATRAVÉS DO FILTRO DE KALMAN ESTENDIDO
UMA ABORDAGEM HÍBRIDA PARA LOCALIZAÇÃO E MAPEMANETO SIMULTÂNEOS PARA ROBÔS MÓVEIS COM SONARES ATRAVÉS DO FILTRO DE KALMAN ESTENDIDO Alan Porto Bontempo, Marley Vellasco e Karla Figueiredo* Pontifícia Universidade
Leia maisSISTEMAS ROBÓTICOS AUTÓNOMOS
SISTEMAS ROBÓTICOS AUTÓNOMOS Mestrado Integrado em Engenharia Eletrotécnica e de Computadores de Faculdade de Engenharia da Universidade do Porto A. Paulo G. M. Moreira Pag. 1 SISTEMAS ROBÓTICOS AUTÓNOMOS
Leia maisINTRODUÇÃO À ROBÓTICA MÓVEL
INTRODUÇÃO À ROBÓTICA MÓVEL Aula 19 Edson Prestes Departamento de Informática Teórica http://www.inf.ufrgs.br/~prestes prestes@inf.ufrgs.br Campos Potenciais Harmônicos É um metodo proposto por Connolly
Leia maisTÍTULO: FUZZY TAKAGI-SUGENO PARA IDENTIFICAÇÃO E CONTROLE INERCIAL DE UM ROBÔ MÓVEL
Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 TÍTULO: FUZZY TAKAGI-SUGENO PARA IDENTIFICAÇÃO E CONTROLE INERCIAL DE UM ROBÔ MÓVEL CATEGORIA: EM ANDAMENTO
Leia maisEstudo do Movimento Amortecido de um Sistema Massa-Mola
Projeto de Métodos Estatísticos em Física Experimental: Estudo do Movimento Amortecido de um Sistema Massa-Mola Alexandre dos Santos Silva 8068098 Lucas Carrazzoni Mirabella 8083151 Luan Delarion 8604404
Leia mais