rastreamento de trajetórias - apresentação final
DESCRIPTION
Apresentação final do trabalho de formatura.TRANSCRIPT
12/11/07 PTC2530 - Projeto de Formatura 1
Rastreamento de trajetórias de robôs móveis
Orientador: Prof. Dr. José Jaime da Cruz
George GuimarãesJonathan Xavier
Tatiana Ozeki
12/11/07 PTC2530 - Projeto de Formatura 2
confiar em sensores?
12/11/07 PTC2530 - Projeto de Formatura 3
Problema: localização
12/11/07 PTC2530 - Projeto de Formatura 4
Objetivos
Estudar o problema de estimação de trajetórias de robôs móveis
Avaliar o efeito do número de sensores na estimação
Avaliar o desempenho da estimação utilizando o filtro de Kalman
12/11/07 PTC2530 - Projeto de Formatura 5
Referências Bibliográficas
Gelb, Arthur Applied Optimal Estimation
Hall, D.L. Llinas, J. An introduction to multisensor data fusion
Durrant-Whyte, Hugh Sensor Models and Multisensor Integration
Gutmann, J. S. et al. An experimental comparison of localization
methods
12/11/07 PTC2530 - Projeto de Formatura 6
Filtro de Kalman e Modelo do Sistema
12/11/07 PTC2530 - Projeto de Formatura 7
Aplicação do Algoritmo
(1) Calcular o ganho de Kalman
(2) Atualizar a estimativa com a medida zk
(3) Atualizar a covariância do erro
(1) Projetar o estado à frente
(2) Projetar a covariância do erro à frente
Atualização das Medidas (“Corretor”) Atualização do tempo (“Preditor”)
kkk BuxAx
1ˆˆ
QAAPP Tkk
1
1 RHHPHPK Tk
Tkk
kkkkk xHzKxx ˆˆˆ
kkk PHKIP
Estimativas iniciais
12/11/07 PTC2530 - Projeto de Formatura 8
Modelo do sistema
12/11/07 PTC2530 - Projeto de Formatura 9
Equações de Estado
1100
0100
0010
0001
A
pXx 1
pYx 2
3x
4x
,
11 )()( kkk wtAxtx
12/11/07 PTC2530 - Projeto de Formatura 10
Equações de Medidas
kkk vxhz )(
1635341 sincos)( vxYxxxxxh pik
2635342 cossin)( vxXxxxxxh pik
Onde piX e piY são as distâncias dos sensores ao eixo.
12/11/07 PTC2530 - Projeto de Formatura 11
Plataforma
12/11/07 PTC2530 - Projeto de Formatura 12
12/11/07 PTC2530 - Projeto de Formatura 13
12/11/07 PTC2530 - Projeto de Formatura 14
12/11/07 PTC2530 - Projeto de Formatura 15
12/11/07 PTC2530 - Projeto de Formatura 16
Desalinhamento dos eixos
12/11/07 PTC2530 - Projeto de Formatura 17
Software de medição
12/11/07 PTC2530 - Projeto de Formatura 18
Mouse reader
12/11/07 PTC2530 - Projeto de Formatura 19
Vetores
12/11/07 PTC2530 - Projeto de Formatura 20
Simulação
12/11/07 PTC2530 - Projeto de Formatura 21
Caso ideal
12/11/07 PTC2530 - Projeto de Formatura 22
Com erro de alinhamento
12/11/07 PTC2530 - Projeto de Formatura 23
Alinhamento corrigido
12/11/07 PTC2530 - Projeto de Formatura 24
Resultados Experimentais
12/11/07 PTC2530 - Projeto de Formatura 25
12/11/07 PTC2530 - Projeto de Formatura 26
12/11/07 PTC2530 - Projeto de Formatura 27
12/11/07 PTC2530 - Projeto de Formatura 28
12/11/07 PTC2530 - Projeto de Formatura 29
12/11/07 PTC2530 - Projeto de Formatura 30
12/11/07 PTC2530 - Projeto de Formatura 31
Conclusões
Filtro de Kalman: preditor poderoso Conhecimento do modelo é essencial Conhecimento dos sensores auxilia a
estimativa Aumento do número de sensores
melhora a estimativa Estimativa do ângulo é fraca
12/11/07 PTC2530 - Projeto de Formatura 32Obrigado!
?