dc.contributor.advisor | Gamarra, Daniel Fernando Tello | |
dc.creator | Gai, Angello de Mello | |
dc.date.accessioned | 2023-08-09T15:11:21Z | |
dc.date.available | 2023-08-09T15:11:21Z | |
dc.date.issued | 2023-07-14 | |
dc.date.submitted | 2023 | |
dc.identifier.citation | GAI, A. de M. Avaliação da fusão de sensores IMU e odometria para um robô turtlebot utilizando AMCL no framework ROS. 2023. 81 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) - Universidade Federal de Santa Maria, Santa Maria, RS, 2023. | por |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/29886 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Controle e Automação, RS, 2023. | por |
dc.description.abstract | When a robot’s coordinate system and the environment map have a correspondence
with localization algorithms, problems arise related to the accurate and direct measurement of
the robot’s position, which is directly linked to sensor measurements that often contain errors,
noise, and influencing factors. In this article, an experiment will be conducted to demonstrate
error propagation and the attempt at correction using the mentioned algorithms. This study
will involve comparing simulation and odometry results from a real robot through two different
trajectories. Correction techniques were used through the ROS framework to assess the
robot’s position using the Extended Kalman Filter (EKF), which performs a fusion of data from
Odometry sensors, Inertial Measurement Unit (IMU), and the Adaptive Monte Carlo Localization
(AMCL) algorithm on a Turtlebot3 in an indoor environment. Additionally, two navigation
tests were conducted, one using the map generated by simultaneous localization and mapping
(SLAM) and another using a computer-aided design (CAD) map of the environment where the
robot is navigating. In this sense, the tests provide us with a comparison of sensor localization
and localization algorithms in CAD and SLAM maps. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Robótica | por |
dc.subject | Fusão dados | por |
dc.subject | AMCL | eng |
dc.subject | EKF | eng |
dc.subject | Robotics | eng |
dc.subject | Data fusion | eng |
dc.subject | SLAM | eng |
dc.title | Avaliação da fusão de sensores IMU e odometria para um robô turtlebot utilizando AMCL no framework ROS | por |
dc.title.alternative | Evaluation on IMU and odometry sensor fusion for a turtlebot robot using AMCL on ROS framework | eng |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.degree.graduation | Engenharia de Controle e Automação | por |
dc.description.resumo | Quando o sistema de coordenadas de um robô e o mapa do ambiente possuem uma correspondência
com algoritmos de localização, surgem problemas relacionados à medição precisa
e direta da posição do robô, que está diretamente ligada às medições dos sensores, que frequentemente
contêm erros, ruídos e fatores influenciadores. Neste artigo, um experimento será conduzido
para demonstrar a propagação de erros e a tentativa de correção usando os algoritmos
mencionados. Este estudo envolverá a comparação entre resultados de simulação e odometria
de um robô real em duas trajetórias diferentes. Técnicas de correção foram utilizadas através
do framework ROS para avaliar a posição do robô usando o Filtro de Kalman Estendido (EKF),
que realiza uma fusão de dados dos sensores de odometria, Unidade de Medição Inercial (IMU)
e o algoritmo de Localização Adaptativa de Monte Carlo (AMCL) em um Turtlebot3 em um
ambiente interno. Além disso, dois testes de navegação foram realizados, um utilizando o mapa
gerado pela localização e mapeamento simultâneos (SLAM) e outro utilizando um mapa de
projeto assistido por computador (CAD) do ambiente onde o robô está navegando. Nesse sentido,
os testes nos proporcionam uma comparação da localização dos sensores e dos algoritmos
de localização nos mapas CAD e SLAM. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS | por |
dc.publisher.unidade | Centro de Tecnologia | por |