Diseño e implementación de una estrategia para mejorar la precisión en la medida de posición de una flota de robots
Descripción
El principal objetivo de este trabajo de grado fue crear una estrategia que permitiera mejorar la medición de posición de un robot móvil, a partir de los datos de GPS y de otras variables medidas en el robot, como son las velocidades de sus motores y los datos de orientación proporcionados por una brújula. La implementación del sistema se efectuó sobre la plataforma móvil Starter Kit 2.0 (robot DaNI) de National Instruments, la cual consta de los elementos necesarios para la adquisición de datos como es el caso de la posición usando el GPS, de la orientación con ayuda del compás electrónico y de las velocidades de los motores. Para este trabajo se utilizó como base el trabajo de grado de Torres y Tovar [1] del cual se adquirió el modelo del robot y la implementación en el software LabView. Se planteó como etapa inicial crear un sistema que a través de un algoritmo computacional pudiera brindar una mejor estimación en cuánto a los datos de posición suministrados por el GPS, por lo cual fue necesario hacer un análisis de las técnicas utilizadas actualmente para casos similares de control de un vehículo autónomo, notando que el Filtro de Kalman es uno de los algoritmos más utilizados en el análisis de mediciones dadas por sensores. Al conocer cual técnica ha de utilizarse, se procedió a hallar los datos necesarios para este algoritmo, como son las posiciones “x” y “y” que determinan la ubicación en el plano. Posterior a ello se implementó la técnica de fusión sensorial junto con el Filtro de Kalman para el robot, con el objetivo de mejorar la precisión de los datos de posición dados por el GPS para disminuir el rango de incertidumbre actual (de aproximadamente ± 3 metros). Así mismo, se diseñaron e implementaron pruebas que tenían como fin verificar la respuesta del Filtro de Kalman. Para esto se definió y utilizó una métrica para determinar el porcentaje de mejora en la medición entre el GPS y la estimación resultante del filtro de Kalman. Los resultados obtenidos con la fusión sensorial y el Filtro de Kalman demuestran la mejora en la medición superior al 90%, brindando así un mejor desempeño, frente al sensado que utiliza solo el GPS.Fecha
2018-09Departamento
Valle del CaucaCiudad
CaliPalabras clave
Facultad de IngenieríaPrograma de Ingeniería Electrónica
Robots
Implementación de estrategias
GPS
Tipo
Trabajo de GradoCitación
Fonseca de la Hoz, G. G. (2018, septiembre ) Diseño e implementación de una estrategia para mejorar la precisión en la medida de posición de una flota de robots. Pontificia Universidad Javeriana, Cali.Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: