Ambiente de avaliação de controladores de trajetória e algoritmos de fusão sensorial para uma cadeira de rodas robótica

Abstract

RESUMO: Um dos maiores problemas da navegação de robôs móveis em ambientes internos é a obtenção correta da sua pose em seu espaço de trabalho. A utilização de um método odométrico (Dead Reckoning) baseada na leitura de encoders é uma técnica frequentemente utilizada, entretanto, ela acumula erros durante a navegação. Por outro lado, o GPS pode determinar a posição através da triangulação de sinais de satélite, entretanto, a recepção deste tipo de sinal se torna inviável em ambientes fechados, além disso, este sensor informa, usualmente, apenas a posição e não a orientação. Embora existam outros métodos, nenhum por si só, é suficiente para garantir uma navegação correta. Nesta Dissertação de Mestrado, objetiva-se encontrar o melhor controlador de trajetória e implementar algoritmos de fusão sensorial numa cadeira de rodas elétrica com o intuito de melhorar a informação da estimativa da sua pose. Essa informação é obtida através do método odométrico Dead Reckoning e do uso de sensores. Um gerador de trajetória foi usado para ser referência do controlador de trajetória. O controlador de trajetória tem a função de minimizar o erro da pose em relação a referência. Os três controladores de trajetória utilizados para a comparação foram escolhidos com base na literatura, pois tem melhor desempenho para este tipo de aplicação. Foram construídas e comparadas duas fusões sensoriais. Na primeira fusão foi utilizado o Dead Reckoning juntamente com os dados do giroscópio para corrigir a orientação e realimentar a odometria de modo que ela seja mais precisa. Na segunda fusão foi utilizado o Dead Reckoning juntamente com os dados do giroscópio e o magnetômetro. A fusão foi realizada com o filtro de Kalman estendido (Extended Kalman Filter - EKF). Os resultados foram validados através de informações advindas de uma câmera posicionada no teto (calibrada e testada) com a informação considerada como pose real. Assim, foram utilizadas técnicas como o Dead Reckoning, sensores inerciais e magnéticos, visão computacional e o EKF. Os resultados obtidos foram significativos em relação ao esperado, uma vez que se melhorou a estimativa da pose do robô. Portanto, as implicações dos estudos realizados podem servir como base prática para uma aplicação em uma cadeira de rodas elétrica.

ABSTRACT: One of the biggest problems for indoor mobile robot navigation is a correct acquisition of its pose in its workspace. The use of Dead Reckoning method, based on pulse count through encoders is a technique frequently used, however, it is accumulating error during navigation. On the other hand, GPS is used on outdoors because it determines a location through the triangulation of satellite signals, however, this signal reception becomes invalid indoors, moreover, this sensor usually reports the position, but not the orientation. Although there exist other methods, none of them is enough to ensure a correct navigation. In this Master’s Dissertation, we aim to find the best of trajectory controller and implement algorithms of sensorial fusion in an electric wheelchair to determine the estimation of its pose. This information is obtained through Dead Reckoning and the use of other sensors. A trajectory generator was used to refer to the trajectory controller. The trajectory controller has the function of minimizing the pose error in relation to the reference. The three path controllers used for the comparison were chosen based on the literature, since it has better performance for this type of application. Two sensory fusion techniques were used and compared. In the first fusion, Dead Reckoning was used along with gyro data to correct the orientation and to feed the odometry, in the order to be more accurate. In the second fusion, Dead Reckoning was used along with data of the gyro and magnetometer. The fusion was performed with the Extended Kalman Filter (EKF). The results were validated through information from a camera positioned on the ceiling (calibrated and tested), with information considered as real pose. Thus, techniques such as Dead Reckoning, inertial and magnetic sensors, computational vision and EKF were used. The results obtained were significant in relation to the expected one, once the robot's pose estimation was improved. Therefore, the implications of this study can serve as a practical basis for an application in an electric wheelchair.