Filtro de partículas aperfeiçoado para estimação de postura de robôs móveis.

• Ano de defesa: 2006
• Autor(a) principal: Paulo Roberto Araújo da Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Tecnológico de Aeronáutica
• Palavras-chave em Português: Método de Monte Carlo; Dinâmica de robôs; Algoritmos; Estimação; Métodos dos mínimos quadrados; Robótica; Engenharia eletrônica
• Link de acesso: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=228

Nesta tese é apresentado um Filtro de Partículas Aperfeiçoado para o rastreamento de postura de robôs móveis utilizando odometria e leituras ambientais laser. O método consiste em realizar um predição da postura do robô utilizando o modelo cinemático (odométrico) para, com a postura predita, eliminar o clutter utilizando-se de janelas de validação. Com a Range-Weighted Hough Transform associada a um método de mínimos quadrados, obtêm-se, então, os parâmetros do modelo de observações que,subsequentemente, serão utilizados para atualizar a postura predita. As observações são assimiladas pelo algoritmo de estimação de postura que utiliza um método de amostragem por importância com reamostragem (ISIR) ou filtro de Partículas. O filtro proposto utiliza uma função de importância localmente otimizada e reamostragem de mínima variância para combater a degeneração de partículas, 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 quadrático médio foram comparadas ao Limite Inferior de Cramér-Rao Posterior (PCRLB). Para os dados reais um erro médio temporal, baseado em uma trajetória de referência, foi estimado. Adicionalmente, também foram medidos os respectivos tempos de processamento dos algoritmos com diferentes números de partículas. 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 número reduzido de partículas, o filtro de Partículas Aperfeiçoado apresentou um tempo de processamento que possibilita implementação prática em cenários realísticos.