Вы находитесь на странице: 1из 12

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012)

Desarrollo de un Carro-Robot Teledirigido para la manipulacin de Objetos


Yedith Bonilla, Juan Valero, Cecilia Sandoval
Resumen El presente trabajo consiste en el diseo e
implementacin de un carro manipulador de objetos a distancia a travs de un mecanismo robtico tele-operado, usando el protocolo de comunicacin 802.15.4 (Xbee) para comunicacin, entre el carro-robot y la aplicacin diseada para su monitoreo y control. El sistema de control est basado en microcontroladores PIC (Peripheral Interface Controller), que fueron programados en PICBasic; el diseo cuenta con un brazo y pinza robtica capaz de recolectar y manipular objetos remotos, la cual puede ser controlada a travs de la aplicacin por medio de una interface diseada que consiste en un guante con sensores fotoelctricos para detectar el movimiento de los dedos de la mano del usuario y reproducirlos a distancia en los servomotores que controlan la pinza. Palabras claves Carro-Robot, 802.15.4, Microcontroladores. Teledirigido, Protocolo

I. INTRODUCCIN La tele-robtica es ampliamente utilizada en aplicaciones que ofrezcan facilidades en tareas dirigidas de forma remota [1], as mismo es un objeto de estudio vigente en investigaciones y desarrollos para operaciones en zonas de difcil acceso, en las cuales un robot mvil permite apoyar al operador en tareas de exploracin y control [2]. En este artculo se presenta la descripcin del diseo e implementacin de un carro manipulador de objetos a distancia a travs de un mecanismo robtico tele-operado, usando el protocolo de comunicacin 802.15.4 (Xbee) para comunicacin, entre el carro-robot y la aplicacin diseada para su monitoreo y control, extendiendo las capacidades sensoriales y motoras de ste a localizaciones remotas [3]. El sistema de control est basado en microcontroladores PIC, que fueron programados en PicBasic; el diseo cuenta con un brazo y pinza robtica capaz de recolectar y manipular objetos remotos, la cual puede ser controlada a travs de la aplicacin por medio de una interface diseada.

El sistema cuenta con sensrica avanzada, se le incorpor un sensor de proximidad y se ha propuesto un sistema de posicionamiento global para verificar la ubicacin en un permetro determinado, una cmara con un rango de giro de 360 para evaluar con exactitud las condiciones de la zona y visin nocturna para monitorear las tareas del sistema. El carro-robot presenta comunicacin con una red de sistemas autnomos en un rango de 1.6 Km con lnea de vista y de 100m en reas cerradas comprobado por medio de pruebas del alcance de la comunicacin, usando el mdulo XBEE encargado de la trasmisin, las tecnologas de comunicacin inalmbrica pueden ser consultadas en [4]. Entre sus aportes se puede mencionar que se ha propuesto como mtodo de optimizacin del consumo energtico, la des-habilitacin de los mdulos de transmisin para cuando no son requeridas, cuenta con modo tele-dirigido y modo autnomo que le permite seguir funcionando y recabando informacin aun sin comunicacin con el sistema de control, lo que lo convierte en un sistema eficiente para la manipulacin de objetos a distancia en zonas bajo ciertas condiciones especficas. De lo anterior, se detect la necesidad de estudiar el diseo de un sistema robtico tele-dirigido para la manipulacin de objetos, a travs de una pinza manejada a distancia, segn indicaciones del operador con una instruccin dada desde la computadora, el cual transmite por comunicacin serial al computador la distancia a la que el objeto se encuentra. Este proyecto ha sido desarrollado en el Grupo de Investigacin en Tecnologas Digitales Aplicadas a Telecomunicaciones, adscrito a la UNEFA (Universidad Nacional Experimental de las Fuerzas Armadas). II. CONSIDERACIONES PARA EL DISEO DEL SISTEMA El funcionamiento de los servomotores es controlado por el PIC16F84 configurado como esclavo, en funcin de los comandos enviados desde el microcontrolador maestro, el PIC16F877A. La deteccin de distancia est a cargo de un sensor de ultrasonido, por emisin de ondas y stas al encontrarse con un objeto u obstculo rebotan, la reflexin de la onda es detectada por el sensor, donde el tiempo de rebote permite el clculo de la distancia, as el PIC enva la informacin por trasmisin serial inalmbrica al computador, esto a travs de mdulos XBEE encargados de la trasmisin y recepcin. Por otra parte, adicional a la deteccin de obstculos el carro robtico es capaz tomar objetos segn desee quien lo controle, con la ayuda de un brazo robtico y una pinza ubicada en el extremo del mismo. El movimiento de la pinza (abre y cierra),

Artculo recibido el 03 de Febrero de 2012. Y.B. y J.V. Investigador del Grupo de Investigacin en Tecnologas Digitales Aplicadas a Telecomunicaciones (GITDAT) de la UNEFA. E-mail: Yedith-Bonilla@hotmail.com; JuanS5969@hotmail.com C.S.R. Investigador acreditada en el PEII, adscrita al Grupo de Investigacin en Tecnologas Digitales Aplicadas a Telecomunicaciones (GITDAT) de la UNEFA, investigador adjunto al Instituto de Matemticas y Cmputo Aplicado de la Universidad de Carabobo, profesora de la UNEFA, departamento de Telecomunicaciones, Maracay, Estado Aragua, Venezuela, E-mail: csandoval1@uc.edu.ve

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012) as como del brazo (sube y baja), a travs del accionamiento por medio de servomotores. Para el control de la pinza se propuso adicionar una cmara har el enlace directo con el sistema de control para que el manejo del mismo sea mucho ms sencillo, dinmico y exacto para el usuario. Para poder gobernar los motores debemos crear una etapa intermedia, entre la electrnica de control y los motores, para el control de direccin y funcionamiento del motor se escogi el L293b, que lleva incorporados diodos para contrarrestar los picos que pudieran presentarse a causa de las bobinas de los motores. Este chip lleva integrados dos puentes H (uno para cada motor), el cual soporta 1A de corriente por cada puente. III. MDULOS DEL CARRO-ROBOT TELEDIRIGIDO En este proyecto, se puede conmutar entre dos opciones de control las cuales corresponden a: control teledirigido a travs de una interface de control corriendo la aplicacin en un dispositivo de acceso inalmbrico (computadora porttil) y modo autnomo, el esquema se presenta en la figura 1. Fig. 2. Diagrama de la tarjeta PCB (vista posterior) IV. ESTRUCTURA DEL CARRO ROBOT El carro robot se encuentra estructurado en configuracin Ackerman [5-6], el motor de accionamiento del eje trasero es un motor DC y el motor de direccionamiento del carro acoplado al eje delantero es un servomotor, la distribucin de los componentes se presenta en la figura 3. Servo Motor Mdulo de Alimentacin Motor DC

PIC 16F877A (Control Maestro)


PIC16F84

L293B

SERVOS

MAX232

M O T O R Fig.1. Diagrama de Bloques del Carro-Robot Teledirigido La etapa de control del carro robot, est compuesta por un microcontrolador maestro PIC16F877A, encargado de la lgica de control del carro-robot, el cual tiene las seales de control del motor DC en los pines RB.6 y RB.7, conectados estos al driver L293B es una etapa intermedia entre la etapa de control, seal TTL (Transistor-Transistor Logic) y la seal de alimentacin del motor, permitiendo una corriente de 1A. Las seales de comunicacin al mando a distancia estn en los pines RC.6 y RC.7, de la USART por hardware, los cuales se encuentran conectados al convertidor de TTL a serial MAX232, cuyos puertos van al mdulo XBee. Se han definido como pines para la comunicacin serial por software RA.1 y RA.2, los cuales estn conectados al PIC16F84, el cual est configurado como esclavo para el manejo de los servos en funcin de los comandos enviados desde el control maestro, la tarjeta de circuito impreso PCB (Printed Circuit Board) se presenta en la figura 2.

Tarjeta de Control Fig.3. Diagrama de Bloques del Carro-Robot Teledirigido A. Modo Teledirigido. Para este modo se seleccion la tecnologa XBee que permite comunicacin a una frecuencia de 2.4 G [7], para este se envan los comandos desde el computador indicando a travs de una interface la ubicacin del Carro-Robot para eso se defini las condiciones con la recepcin de los datos por parte del PIC en el cual cada comando seleccionar la rutina correspondiente para el manejo de los motores. Los mdulos XBee fueron diseados para ser montados en un receptculo (hembra) y por lo tanto no requiere ninguna soldadura cuando se est montando en una tarjeta. Los kits de I-R-2

ISBN: 978-980-7185-02-8

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012) desarrollo de XBee-PRO contienen RS-232 y USB. Entre las caractersticas de operacin del mdulo se tiene que estos en ambientes internos presenta un alcance de 60m aproximados, en tanto que ambientes externos su alcance es de 1500m con lnea de vista, la potencia de transmisin a 10mW es de 10dBm y la sensibilidad de recepcin es de -102dBm, la corriente del mdulo transmisor es de 295mA y la del mdulo receptor de 45mA, a una alimentacin nominal de 3.3 V a 25C. Estos datos permiten establecer las especificaciones de operacin del carro robot de acuerdo a los datos nominales, aun as se han realizado pruebas de funcionamiento para obtener los datos operativos del mismo. Se ha empleado la USART por hardware para la comunicacin con la computadora en el modo tele-operado, para la transmisin inalmbrica se emple el mdulo XBee conectado al PIC a travs de uno de sus puertos para la recepcin de los comandos, el cdigo de la rutina de comunicacin se presenta en la tabla I.
TABLA I. RUTINA DE COMUNICACIN DE ACCIONES DE LOS SERVO

considerando las caractersticas de los seleccionados, como se muestra en la figura 4.

servomotores

Fig. 4. Pulso de accionamiento de los servomotores Para emplear la instruccin servo, se toma como entrada el ngulo seleccionado, en la variable servo, dada la proporcin correspondiente: 900 us 1500 us 2100us 0 90 180

SerInPORTA.1,16468,[SERVO1,SERVO2,SERVO3,RSERV O1,RSERVO2,RSERVO3] If SERVO1 = RSERVO1 And SERVO2 = RSERVO2 And SERVO3 = RSERVO3 Then If SERVO1 = 0 Or SERVO2 = 0 Or SERVO3 = 0 Then HSerIn 1000, INI ,[Wait("AB"),DEC3 APINZA, DEC3 ABRAZO, DEC3 ACRUCE, DEC3 DMOTOR, DEC1 LUCES, DEC1 SIRENA] Los servomotores que se utilizaron para accionar el movimiento del brazo, el cruce del robot y la abertura y/o cierre de la pinza encargada de recolectar objetos son parte del sistema motor principal y secundario. Ahora bien, un servomotor es un dispositivo pequeo que tiene un eje de rendimiento controlado. Este puede ser llevado a posiciones angulares especficas al enviar una seal codificada. Con tal de que una seal codificada exista en la lnea de entrada, el servo mantendr la posicin angular del engranaje. Cuando la seal codificada cambia, la posicin angular de los piones cambia. Los servomotores hacen uso de la modulacin por ancho de pulsos (PWM) para controlar la direccin o posicin de los motores de corriente continua. La mayora trabaja en la frecuencia de los cincuenta hercios, as las seales PWM tendrn un periodo de veinte milisegundos. La electrnica dentro del servomotor responder al ancho de la seal modulada. Si los circuitos dentro del servomotor reciben una seal de entre 0,5 a 1,4 milisegundos, este se mover en sentido horario; entre 1,6 a 2 milisegundos mover el servomotor en sentido anti-horario; 1,5 milisegundos representa un estado neutro para los servomotores estndares. Los servomotores se inicializaron en 90, todos para sus estados originales los cuales se irn modificando a medida el usuario vaya variando el ngulo en el cual lo requiere. Para el accionamiento de los servos se calcul el pulso para accionar la funcin proporcional al dato transmitido, esto

Basado en la relacin de ngulo tiempo del pulso, tenemos la relacin de la ecuacin 1. Stime = (2100 900) / 180 *ANG + 900 (ec.1)

Con lo cual se obtuvo el cdigo para el manejo de los servomotores, presentado en la tabla II.
TABLA II. CDIGO DE LA TRADUCCIN DE ORDENES EN MOVIMIENTOS

S1 = (1200/180 * ANG1) + 900 S2 = (1200/180 * ANG2) + 900 S3 = (1200/180 * ANG3) + 900 Servo PORTB.0,S1 E1 = 2100 - S1 DelayUS E1 Servo PORTB.1,S2 E2 = 2100 - S2 DelayUS E2 Servo PORTB.3,S3 E3 = 2100 - S3 DelayUS E3 DelayUS 13700 Como se ha mencionado para la deteccin de los objetos se utiliza un sensor por ultrasonido elemento bsico para poder saber si la distancia a la cual se encuentra del obstculo ms prximo. Los medidores ultrasnicos de distancia y sensores de ultrasonidos que se utilizan en los robots son, bsicamente, un sistema de sonar. En el mdulo de medicin, un emisor lanza un tren de pulsos ultrasnicos con una frecuencia en el orden de los 38 a 50 Khz y el receptor espera el rebote. Se mide el tiempo entre la emisin y el retorno, lo que da como resultado la distancia entre el emisor y el objeto donde se produjo el rebote. Esta I-R-3

ISBN: 978-980-7185-02-8

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012) medicin se calcula teniendo en cuenta la velocidad del sonido en el aire, que si bien vara segn algunos parmetros ambientales, como la presin atmosfrica, igualmente permite una medicin bastante precisa [8]. Por medio de pruebas, se especific a travs de la programacin un rango de medicin, al detectar distancias mayores de obstculo 1.60 metros delante, el mensaje que mostrar corresponde a fuera de rango. Las lneas de instruccin basadas en las ecuaciones del sensor se presentan en la tabla III.
TABLA III. CDIGO PARA CLCULO DE DISTANCIA MEDIDA EN EL SENSOR DE ULTRASONIDO

cual por medio de un circuito integrado que convierte los niveles de las lneas de un puerto serie RS232 a niveles TTL y viceversa llamado MAX232, le comunica o transmite la informacin al PIC principal el cual se encarga de ubicar y direccionar las ordenes que se indicaron en forma correcta, para as darle efectividad a la accin determinada. El circuito integrado posee dos convertidores de nivel TTL a RS232 y otros dos que, a la inversa, convierten de RS232 a TTL. Estos convertidores son suficientes para manejar las cuatro seales ms utilizadas del puerto serie del computador, que son TX, RX, RTS (Request to Send) y CTS (Clear to Send). Tomando en cuenta que TX es la seal de transmisin de datos para este caso el dato de medicin de distancia que enva el sensor, visto desde el carro-robot y las instrucciones de control desde el computador, RX es la de recepcin, y RTS y CTS se utilizan para establecer el protocolo para el envo y recepcin de los datos. VI. INTERFAZ Esta interfaz define la comunicacin inalmbrica entre el carrito robtico detector de obstculos y recolector de objetos a control remoto desde el computador. La interfaz posee 2 botones dos de ellos directamente relacionados con la direccin de los motores DC y su control otros 2 opcionales con funciones de una alarma y de las luces que podran instalarse a las aplicaciones de nuestro robot, 3 slider para modificar o decidir el ngulo exacto en el cual se quieren posicionar cada uno de los 3 servomotores. Como se presenta en la figura 5.

PulsOut PORTC.0,10,High PulsIn PORTC.0,High,MEDICION MEDICION = MEDICION / 2 DIST = MEDICION / 29.034 MEDICION = DIST Todo el control se hace autnomo en este caso. Ya que las ordenes son transmitidas desde el PIC posteriormente que la medicin por medio del sensor de ultrasonido fue realizada. A medida que se est en el mdulo de control autnomamente el usuario podr tambin estar observando las imgenes transmitidas por la cmara en la zona que se encuentre el carro-robot. De esta forma se podr volver a tomar control desde el mdulo teledirigido por decisin propia o dejar que siga su curso en forma autnoma. De esta manera el accionara los cruces si se encuentra con un obstculo de la misma manera como el usuario puede hacerlo en el otro mdulo en la interfaz. Estos servomotores se encuentran dispuestos de tal manera que su circuitera ayude para un mejor y ms exacto ngulo de aplicacin, ideando la manera de esta forma para que en cada una de las situaciones en las que se aplique este proyecto pueda desempearse adecuadamente. V. COMUNICACIN PARA CONTROL DEL CARRO ROBOT. Una de las caractersticas que se le ha incorporado a este proyecto de Carro-Robot consiste en el planteamiento del sistema de comunicacin inalmbrico diseado y construido con particularidades especficas para que el usuario tenga una amplia gama de imgenes y facilidades para el control, manejo y/o recuperacin. Toda esta comunicacin se hace por medio de los mdulos Xbee, que trabajan bajo el protocolo de la IEE 802.15.4. Este modo de comunicacin nos da la facilidad y la libertad de poder disponer de un sistema de control inalmbrico, confiable. De esta manera tambin se pudo eliminar el impedimento que causa el tener que mantener el carro-robot conectado de forma cableada constantemente. El esquema principal consiste en el envo de data indicada por el usuario que se encuentre frente a la interfaz de la porttil. Por medio del mdulo XBee, esta data es recibida por el mdulo XBee que se encuentra ubicado en el carro-robot, el

Fig.5 Panel de control de la Interface El telecontrol se hace por medio de una porttil que corre el programa ya establecido. Mostrando una ventana de accin donde se puede visualizar la distancia a la cual se encuentra de algn obstculo, en esta ventana se presenta la distancia detectada por el sensor de proximidad, en este caso una distancia de 100 cm. Tambin se puede visualizar los slider, por medio de estos se puede modificar el Angulo de GIRO del Carro-Robot, modificar la altura en la cual se quiere colocar la PINZA y tambin el cierre de la pinza que se denomino AGARRE. Igualmente en la ventana se visualizan cuatro botones por medio de los cuales el usuario puede activar o desactivar los motores DC que impulsan el Carro-Robot, estos I-R-4

ISBN: 978-980-7185-02-8

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012) botones se denominan ADELANTE y ATRS. Los botones denominados SIRENA y LUCES estn directamente dispuestos para activar la sirena y las luces leds que se encuentran en el Carro-Robot. Cada uno de estos cuatro botones pueden ser accionados al hacer clic sobre ellos o simplemente pulsando la tecla con la cual fueron programados. Cada uno de los comandos de control se transmite por comunicacin serial en las tramas de datos, de esta forma se mantiene la comunicacin entre el computador y el carro-robot usando para ello la comunicacin inalmbrica bajo el estndar de los mdulos XBEE. VII. IMPLEMENTACIN DEL CARRO ROBOT Para un mejor desempeo y mayor tiempo de funcionamiento del carro-robot, se dise en la PCB un conjunto de reguladores para garantizar un eficiente consumo de energa, y una distribucin de la carga de las bateras, de acuerdo a las caractersticas especficas de la demanda de corriente. De esta manera se distribuyeron equitativamente las bateras para los diferentes sensores y motores que estn en el Carro-Robot, se establecieron tres mdulos de bateras, uno dispuesto para el mdulo de transmisin RF (XBee) que es una batera de 9v recargable dispuesta en la parte inferior del Carro-Robot; el segundo mdulo compuesto por 4 bateras de 1,5V que alimentan directamente el motor DC, la alarma y las luces, en el tercer mdulo una batera de 7,2 V es la encargada de alimentar el sensor de ultrasonido y los servomotores. Cada una de estas distribuciones se pueden observar detalladamente en la Figuras 6. En total un conjunto de caractersticas que suman fiabilidad y precisin del carro robot diseado. Los resultados en la implementacin del sistema han permitido validar una herramienta para la tele-operacin de alto alcance del brazo y pinza robtica sobre el robot mvil, lo que ofrece una ventaja para manipulacin de objetos de forma remota con una precisin aceptable para los fines de recoleccin y desplazamiento, aplicando la tecnologa XBEE con el protocolo de comunicacin 802.15.4 que resulta en una alternativa verstil. CARACTERSTICAS DEL ESTNDAR IEEE 802.15.4 Este estndar describe las capas fsica y MAC de una red inalmbrica de baja tasa de transmisin (LR-WPAN) y por tanto, bajo coste [9]. Sus caractersticas bsicas se presentan en la tabla VI.
TABLA IV. CARACTERSTICAS DE LOS MDULOS XBEE

Tasa de transferencia mxima de 250 kbps. 16 canales en la banda de 2.4 GHz. Acceso al canal CSMA (Carrier Sense Multiple Access) / CA. Modulacin QPSK (Quadrature Phase Shift Keying) espectro ensanchado DSSS (Direct Sequence Spread Spectrum). Encriptacin AES (Advanced Encryption Standard). Hay dos tipos de nodos en una red 802.15.4: FFD (Full Function Device): Siempre encendido, acta como un coordinador de red. RFD (Reduced Function Device): Pasa la mayora del tiempo en el modo de mnimo consumo de potencia (SLEEP). Este protocolo permite la configuracin de una red en topologa estrella, en rbol o mallada, en la cual los nodos fijos se pueden configurar la mayor parte del tiempo en estado de mnimo consumo [9], siendo un posible trabajo futuro disear una red para diversos carros-robot en aplicaciones de robtica colaborativa. REFERENCIAS BIBLIOGRFICAS
[1] [2] A. Gmez, J., Ollero, A. y Garca, Teleoperacin y Telerobtica, Ed. Madrid: Prentice Hall, 2006 pp 97-117. M. Pancich, K. Perez, and E. Tovar, Robot Mvil para exploracin en lugares de difcil acceso para el ser humano, Tesis de Ing. En Comunic. y Electrnica. Instituto Politcnico Nacional, Mxico, 2008. A. Barrientos, L. F. Pein, C. Balaguer, and R. Aracil, Fundamentos de Robtica, Segunda. Madrid: McGraw-Hill, Inc., 2007. R. Domnguez and T. Guerrero, Robot controlador por ordenador, Universidad Politcnica de Catalunya, 2010. J. Cnovas G, Robtica Mvil. Estudio y caracterizacin del robot mvil kjunior, Universidad Politcnica de Cartagena, 2011. R. Silva Ortigoza; J. R. Garca Snchez; V. R. Barrientos Sotelo; M. A. Molina Vilchis, Una panormica de los robots mviles, Rev. Telematique, volumen 6, Nmero 3, 2007 Oyarce, A. (consultada en Septiembre, 2011) XBee, Manual de Usuario. Disponible en www.olimex.cl/pdf/Wireless/ZigBee/XBeeGuia_Usuario.pdf Parallax, (consultada en Julio, 2011). Sensores inteligentes y sus aplicaciones Manual de Usuario. Disponible en www.parallax.com/Portals/0/Downloads/docs/prod/sic/SmartSensorsv1.0-Spanish-v1.0.pdf P. Corral, B. Coronado, A. C. D. C Lima, Design of Automatic Meter Reading based on Zigbee, IEEE Latin America Transactions, Vol. 10, No.. 1, Jan. 2012, pp. 1150-1155

Fig.6. Carro Robot Teledirigido implementado Entre las caractersticas principales de operacin del robot se presentan: Transmisin inalmbrica a tiempo real a 2.4 GHz. Transmisin a 9600 baudios sin bit de paridad. Alcance de 60 m. sin lnea de vista y de 850 m. con lnea de vista. Deteccin de distancia desde la ubicacin del objeto a la del robot de hasta 160 cm, calculada para una temperatura nominal de 25C. Robot Mvil en configuracin Ackerman, con traccin trasera. Dimensiones 35 cm x 20 cm x 15 cm Fuerza de la pinza de 2500 g. de capacidad. Velocidad de desplazamiento de 210 cm/min.

[3] [4] [5] [6]

[7]

[8]

[9]

ISBN: 978-980-7185-02-8

I-R-5

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012)

Tendencias en Localizacin y Mapeado Simultneo (SLAM)


Camilo Ren Duque, Cecilia Sandoval Ruiz
estimacin de su propia ubicacin en el entorno, a partir de un mapa, es decir, el clculo aproximado de una posicin relativa. En [3] se explica que existen tres formas bsicas de localizacin: navegacin estimada (dead reckoning) basada en la informacin de los sensores propioceptivos (encoder, odometra, etc); a partir de un mapa conocido a priori y el uso de sensores exteroceptivos (cmaras, escneres lser, ultrasonido, etc.) y finalmente SLAM, aquella que se aplica cuando no se tiene un mapa a priori, ste se construye a medida que transcurre el tiempo en intervalos regulares, se va estimando la localizacin y actualizando el mapa con la nueva informacin en cada intervalo. La dificultad de hacer esto simultneamente a medida que el robot se mueve radica en los siguientes aspectos: el gran volumen de informacin que se obtiene de los sensores, la incertidumbre inherente en las mediciones, el tamao y tipo del entorno (estructurado o no) y la velocidad con la que se requiere actualizar el mapa y posicin. Estos aspectos dan origen a los indicadores de desempeo que se aplican a los algoritmos SLAM: costo computacional, consistencia, convergencia, tiempo de muestreo, entre otros; los cules son mencionados y analizados en este artculo. La necesidad de desarrollar una integracin tecnolgica para la aplicacin de SLAM en una situacin particular obedece al inters por obtener un sistema (terrestre, areo o acutico) capaz de realizar misiones en ambientes desconocidos total o parcialmente de forma autnoma, efectiva y eficiente, a tal punto que su habilidad para efectuar esto tiene un alto impacto en la valoracin de su autonoma[4]. Para entender el contexto del problema que intenta resolver SLAM, se puede sealar entre otros y a manera de ejemplo, las misiones de exploracin al planeta Marte[5], los robots aspiradores como Roomba[6], los UAV para vigilancia[7]. Por otro lado, cuando se desarrolla un proyecto que involucra SLAM debe tomarse decisin sobre cul(es) algoritmo(s) implementar. Las opciones son mltiples por lo que comnmente se toma uno en el que el investigador(es) tenga experiencia previa. Si se considera el caso en que el grupo de investigacin est iniciando el camino, la tarea de analizar y elegir un algoritmo resulta compleja. Es entonces el inters de este artculo, proporcionar un resumen de los aspectos tcnicos y operativos, con la finalidad de introducir informacin necesaria para la eleccin de alguno para su estudio ms profundo. Otro objetivo que se persigue es dar a conocer las referencias primarias en cada propuesta. Los algoritmos se seleccionaron tomando en cuenta la disponibilidad de informacin tcnica de calidad en la
ResumenLocalizacin y mapeado simultneo (SLAM, Simultaneos Localization and Mapping) es el proceso por el cual un robot mvil construye un mapa de su entorno desconocido y al mismo tiempo se localiza en l a medida que se mueve, es uno de los factores que determina su autonoma, constituye uno de los problemas ms notables en robtica y se ha desarrollado mucho durante la ltima dcada. Este trabajo presenta un anlisis de las caractersticas tcnicas y operativas de los principales algoritmos que forman el estado del arte en SLAM, obtenidos mediante una revisin bibliogrfica. Se aporta suficiente referencia para que investigadores nveles puedan seleccionar alguno para implementacin, evaluacin, optimizacin o comparacin experimental. Los algoritmos analizados estn basados en distintos tipos de filtro (Kalman, Partculas, de informacin) entre otras tcnicas. Se encontr que uno los principales retos actualmente es aplicar SLAM en reas extensas a un costo computacional viable en aplicaciones reales. Palabras clavesAutolocalizacin, Robtica mvil, Mapeado, SLAM.
I.

INTRODUCCIN

Uno de los aspectos que suscita mayor inters en la comunidad cientfica y acadmica que trabaja en la robtica mvil; que comprende principalmente el desarrollo de Vehculos Terrestres Autnomos (AGV, Automatic Grounded Vehicle por algunos autores o Autonomous Grounded Vehicle por otros)[1], Vehculos Areos No Tripulados (UAV, Unmanned Aerial Vehicle)[1] y los Vehculos SubAcuticos Autnomos (AUV, Autonomous Underwater Vehicle)[1]; es el problema de la Autolocalizacin y Mapeado Simultneo conocido como SLAM, que ha sido el trmino acuado para referirse a dos procesos principales que pueden llevarse a cabo de forma independiente y en tiempos diferentes, sin embargo, en este caso se ejecutan simultaneamente e interdependientes[2]. El mapeado consiste en que el robot construya, a partir de los datos suministrados por sensores, una imagen que represente su entorno. Mientras que la localizacin implica la
Artculo recibido el 03 de Febrero de 2011. C.D.B. Investigador del Grupo de Investigacin en Tecnologas Digitales Aplicadas a Telecomunicaciones (GITDAT) de la UNEFA, profesor de la UNEFA, departamento de Electrnica, Maracay, Estado Aragua, Venezuela camilorene@gmail.com C.S.R., adscrita al Grupo de Investigacin en Tecnologas Digitales Aplicadas a Telecomunicaciones (GITDAT) de la UNEFA, investigador adjunto al Instituto de Matemticas y Cmputo Aplicado de la Universidad de Carabobo, profesora de la UNEFA, departamento de Telecomunicaciones, Maracay, Estado Aragua, Venezuela, E-mail: csandoval1@uc.edu.ve

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012) literatura de primer nivel aceptada y reconocida por la comunidad cientfica y acadmica mundial en robtica. Otra limitacin es que se consideran aquellos que se implementan con scner lser y odometra, dejando fuera opciones basadas en imgen como Visual SLAM[1][8] y otras. Tampoco se aborda una revisin sobre la fundamentacin terica o aplicaciones de SLAM para anlisis detallados de estos asuntos se recomienda [9-12]. La seccin II de este trabajo resume la evolucin histrica de SLAM, referenciando los trabajos que han marcado hito en este tema. En la seccin Metodologa de Estudio, se expone razonadamente cules son los aspectos tomados en cuenta para el anlsis de cada algoritmo. Seguidamente, en la seccin IV Algoritmos SLAM, se presenta un resmen descriptivo de cada uno de los algoritmos estudiados y el contexto en que fueron desarrollados. En la Seccin V, mediante tablas comparativas se plantean otras caractersticas. Finalmente, en la ltima seccin se exponen algunas conclusiones. II. EVOLUCIN DE SLAM que ha sido aprovechado en aplicaciones de mapeado en reas ms grandes, fu propuesto en 2002 [21], y un ao despus se present Fast-SLAM 2.0 [22]. Las propuestas anteriores fueron formuladas, probadas y consideradas estables y fiables antes de 2005. De all hasta la actualidad han emergido otras como D-SLAM [23], ISLSJF [24], su derivacin combinada IDMJ [25], CEKF [15], CoreSLAM [26], UKF-SLAM [27], P-SLAM [28], DP-SLAM [29], ambos basados en Rao-BlackWellized, DC-SLAM [30], 6D-SLAM-ICP [31], Vector Field SLAM [32] y Segmented SLAM [33], entre otros. Los problemas particulares que estos ultimos trabajos han tratado de solventar van desde la complejidad de cmputo hasta la capacidad de manejar grandes volmenes de informacin. III. METODOLOGA DE ANLISIS El conjunto de aspectos considerados en la caracterizacin que aqu se resume estn divididos en tcnicos y operativos. Los aspectos tcnicos se orientan a dar idea sobre la fundamentacin, funcionalidad, desempeo y origen de cada algoritmo, mientras que en los aspectos operativos se analizan detalles importantes para su implementacin. La mtodologa para recopilar los datos analizados consisti en la revisin documental preferentemente de las publicaciones en las revistas y/o eventos de primer nivel que tratan el tema y en medida mnima otras fuentes. Se di preferencia a las publicaciones en las que se present inicialmente cada algoritmo sobre aquellas donde se hace referencia indirecta. Este abordaje tuvo como limitacin principal el hecho que en muchos casos, los autores guardan reserva sobre algunos de los aspectos que se consideran importantes en el estudio presentado. Es importante destacar que fueron analizados aquellos algoritmos que se pueden implementar usando como sensores telmetros lser y odometra en sus principales aplicaciones, aun cuando sean susceptibles de implementarse con visin artificial. Para la presentacin de los resultados de anlsis se usan tablas resmen con las caractersticas de cada algoritmo.

El primer trabajo que rene formalmente las diferentes propuestas de localizacin y mapeado como un solo proceso simultneo es el expuesto por Smith [13] a final de la dcada de 1980, donde se aborda una solucin que marc un hito, la utilizacin de un filtro extendido de Kalman (EKF-SLAM, Extended Kalman Filter SLAM) de la cual se han derivado un nmero importantsimo de variantes que buscan mejorar la eficiencia del filtro extendido en aplicaciones particulares. La importancia de este algoritmo es tal que otras implementaciones que no estn basadas en EKF, usan ste para comparar y validar los resultados obtenidos. Posteriormente, en el mtodo de aplazamiento de Knigth [14] y el filtro comprimido de Guivant [15] se obtiene una reduccin significativa en el tiempo de cmputo respecto del EKF, sin prdida de precisin. Por otro lado, usando un filtro extendido de informacin dispersa (SIEF, Sparse Information Extended Filter) Liu [16] presenta un mtodo capaz de obtener un mapa aproximado de tiempo constante en cada paso, excepto cuando se cierra un lazo. Hasta este punto (aos 2002-2003), los enfoques se han A. Caractersticas tcnicas desarrollado para trabajar con mapas absolutos y han Se consider oportuno subdividir los aspectos tcnicos en demostrado que uno los retos ms importantes son la dos categoras: contextuales y tericas. convergencia, que se puede afectar por la no linalidad de los modelos y por la incertidumbre que incrementa cuando se B. Caractersticas operativas mapea grandes reas. El otro problema a vencer es el tiempo Las caractersticas consideradas fueron: modelo del robot, para cada paso del algoritmo, el cual bajo EKF-SLAM hardware de cmputo, lenguaje de desarrollo, sistema obedece al cuadrado del nmero de marcas del entorno y no es operativo, costo computacional (complejidad) y disponibilidad constante, incluso si hay divergencia, el algoritmo presentara del cdigo. una falla casi irreparable. Frente a estos mtodos, existen otros (vase [17-20] entre otros) que se basan en la unin de sub IV. ALGORITMOS SLAM mapas o mapas locales que se obtienen en forma peridica e Existen taxonomas aplicadas a las soluciones SLAM por independiente lo que mejora algunos de los problemas citados. diversos autores, Arcos en [34] establece que en la actualidad Una alternativa al EKF que rpidamente se impuso fu el se pueden clasificar en tres categoras: aquellos basados en Fast-SLAM, que utiliza un filtro Rao-Blackwellised que se EKF, unos en mtodos de optimizacin no lineal y otros en diferencia del anterior por su menor tiempo de cmputo, lo ISBN: 978-980-7185-02-8 I-R-7

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012) filtros de partculas. En la Tabla 1 se resumen los datos de contexto de cada uno de los algoritmos analizados y en seguida se describen brevemente, dentro de los cuales hay de las tres categoras mencionadas. A. EKF-SLAM El primer algoritmo analizado es el EKF-SLAM[13], considerado como el punto de inicio de las investigaciones en SLAM. Consiste de una repreentacin del espacio mediante mapas estocsticos, asociados con los procedimientos necesarios para construir estos mapas, obtener informacin de ellos y actualizarlos a medida que se obtiene nueva informacin. El mapa est compuesto de las estimaciones de las relaciones entre los objetos considerando en estas la incertidumbre de la medicin. Los procedimientos generados utilizan vectores de estado para las estimaciones y teora de filtros de partculas, de donde emerge el principal aporte el filtro de Kalman Extendido, importante logro que premiti muchas y mejores extensiones de solucin a SLAM. Aunque hoy resulta casi improbable obtener informacin tcnica u operativa sobre las primeras implementaciones de este algoritmo, es de referencia obligatoria por su trascendencia y por que las propuestas ms modernas se han desarrollado mejorando las debilidades de este, siendo comnmente utilizado para comparar resultados de otros enfoques, como se evidencia en varios de las referencias aqu resumidas. Las principales limitaciones del EKF que expresan los investigadores son: la convergencia, el costo computacional requerido para aplicaciones de grandes extenciones y la consistencia de los datos. Tales aspectos se ven afectados por el hecho de que los modelos usados son linealizados y en una aplicacin real no es as. Algunas evaluaciones aparecen en [35] y [36]. Una de las mejoras ms recientes al EKF se consigue en [37] donde se propone un mtodo robusto que mejora al EKF frente a perturbaciones.

TABLA 1 CARACTERSTICAS CONTEXTUALES Publicacin EKFSLAM 1988 Autores R. Smith*, M. Self**, P. Cheeseman*** Institucin *General Motors Research Laboratories ** UC Berkeley *** NASA * Carnegie Mellon Institute ** Stanford University The University of Technology, Australia * University of Bremen, Alemania Mines ParisTech Center of Robotics, Francia * Universidad de Zaragoza, Espaa ** Royal Institute of Technology, Suecia *Universidad de Osnabrueck, Alemania ** Carnegie Mellon Institute Evolution Robotics Escala entorno Reducida

Fast SLAM 2.0

2003

M. Montemerlo*, S. Thrun*, D. Koller**, and B. Wegbreit**

Media

I-DMJ SLAM

2009

Shoudong Huang, Zhan Wang, Gamini Dissanayake, Udo Frese*

Grande

CoreS LAM

2010

Bruno Steux, Oussama El Hamzaoui

Reducida

D&C SLAM

2007

Lina M. Paz*, Patric Jensfelt**, J. D. Tards*, J. Neira*

Grande

6DSLAMICP

2006

A. Nchter*, H. Surmann, K. Lingemann*, J. Hertzberg*, and S. Thrun**

Grande

Vector Field

2010

Jens-Steffen Gutmann, Ethan Eade, Philip Fong and Mario Munich

Reducida

B. Fast SLAM 2.0 2010 Nathaniel Faireld, Carnegie Grande Segme David Wettergreen, Mellon nted En [12] se considera al Fast SLAM como un cambio and George Kantor Institute fundamental en el diseo de SLAM ya que fu el primer aporte en usar modelos no lineales para los procesos y distribucin no C. I-DMJ gausiana para la estimacin de la localizacin. Como se Este algoritmo significa un importante avance al integrar lo mencion en la seccin II, rpidamente se gener una mejora, mejor de dos soluciones precedentes D-SLAM[23] y el Fast SLAM 2.0, que fu la se que consider para este trabajo. ISLSJF[24]. D-SLAM es uno de los mtodos que se han En este algoritmo, el principal logro es reducir el costo refinado para reducir el esfuerzo computacional que involucra computacional de O(n2) en EKF hasta O(m Log n), donde m es la actualizacin del mapa y estados del robot cada vez que se el nmero de partculas en el filtro y n el nmero de marcas obtienen nuevas mediciones cuando se implementa en grandes que capta el sensor sobre el ambiente. Se hace uso de una extensiones, mediante la subdivisin en sub mapas locales de extensin del filtro de partculas Rao-Blackwell en vez del tal forma que la actualizacin de los datos del sensor ocurren EKF. Una reciente e interesante mejora al FastSLAM se en una zona pequea del mapa, mientras que la actualizacin demuestra en [38] llamdo Ligth-and-FastSLAM. As tambin, del mapa global se hace a una frecuencia muy baja. En I- DMJ en [39] se presenta un algoritmo hbrido entre FastSLAM y [25] la construccin del mapa global se logra mediante el SIEF, llamado CombinedSLAM demostrando mejor ISLSJF, un filtro iterativo de unificacin de sub mapas locales consistencia y presicin que algunos otros algoritmos tpicos. ISBN: 978-980-7185-02-8 I-R-8

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012) esparcidos. D. CoreSLAM[26] Es uno de los ms recientes trabajos en el rea, su principal atractivo es que se trata de un algoritmo basado en un sensor lser programado en lenguaje C con menos de 200 lneas de cdigo, se desarroll teniendo como objetivos generar un algoritmo simple de entender e implementar y de fcil integracin en algn filtro de partculas existente. Los resultados son tan interesantes, que sus autores sostienen que puede trabajar sin filtro de particulas. E. D&C-SLAM Divide and Conquer SLAM se basa en EKF SLAM y la fusin de mapas locales jerrquicos. Presenta una serie de algoritmos que en conjunto logran reducir el costo computacional a O(n) y mejorando la consistencia de los datos, problemas fundamentales de los mtodos EKF. F. 6D-SLAM-ICP Se trata de un algoritmo propuesto en [40] y [41] que considera el modelo de cuerpo rgido del robot con 6 grados de libertad (x, y, z, pitch, yaw, roll) para generar una representacin 3D del entorno. Se basa en el algoritmo [42] iterativo del punto ms cercano correspondiente (ICP, Iterative Closest/corresponding Points) en el que para cada punto en el conjunto de datos 3D, se encuentra el punto ms cercano en el modelo y se calcula la distancia entre los dos contornos mediante sumatoria de mnimos cuadrados de la distancia entre los puntos, este proceso se repite hasta encontrar el mnimo. G. Vector Field SLAM [32] Este enfoque considera la variacin espacial de una seal continua observada, la cual es modelada como una funcin lineal por trozos y se estiman sus parmetros, mientras simultneamente, se sigue la posicin del robot, asumiendo que la depenedencia de las seales sobre la orientacin del robot pueden ser totalmente caracterizadas mediante una calibracin interna del sensor. El propsito de esta propuesta es desarrollar una solucin factible de implementar en sistemas completamente embebidos y de bajo costo. Para aumentar la escala de funcionamiento del algoritmo manteniendo un tiempo constante de actualizacin se utiliza un filtro extendido de informacin exactamente esparcido ESEIF[43]. H. Segmented SLAM[33] Se fundamenta en que el entorno del robot puede ser dividido en piezas pequeas ms manejables (submapas) y mediante la combinacin de submapas mtricos y un mapa topolgico de las relaciones entre estos submapas se desarrolla la solucin a SLAM. La representacin de los sub mapas es mediante rejillas, se usa un filtro de partculas robusto RaoBlackwellized y mtodos heursticos para decidir como segmentar el ambiente y para reconstruir los mapas con la finalidad de permitir cerrar lazos de trayectorias. V. CARACTERIZACIN DE LOS ALGORITMOS De la revisin de los algoritmos se observa que los desafos actuales es la implementacin en grandes reas sin prdida de precisin al mnimo tiempo de ejecucin, preferiblemente en tiempo real, todo esto con la intencin de implantar estos algoritmos en sistemas de navegacin lo ms autnomo y verstil posible. Los enfoques para vencer los retos planteados han sido diversos, sin embargo, destacan la subdivisin del mapa en sub mapas locales que se integran con diferentes estrategias para determinar la posicin del robot. Otro desarrollo importante ha sido la implementacin de filtros de partculas tambin conocidos como filtros de informacin los cuales an cuando son estadsticos, no son paramtricos como el EKF. La Tabla 2 resume los aspectos relacionados con la propuesta de cada algoritmo para solventar los puntos lgidos relativos al desempeo. De entre estos, vale la pena destacar el CoreSLAM, el cual no usa un filtro e intenta trabajar con un mapa global y al examinar al detalle los fundamentos tcnicos se observa que lo ms resaltante es que resulta de un artilugio de programacin que permite en menos de 200 lneas de programa implementar una solucin efectiva. De la Tabla 2 tambin, se puede destacar que D&C SLAM y 6D-SLAM-ICP, el primero por rescatar el uso del EKF y el segundo por aportar una solucin con reprsentacin 3D del entorno no estando basado en mtodos probabilsticos. Es oportuno sealar que el D&C obtiene sus resultados mediante la aplicacin del EKF en trozos pequeos del mapa, los cuales son procesados rpidamente, mejorando notoriamente el costo computacional como se observa en la Tabla 4. Esta propuesta ha sido probada tanto con telmetro lser y odometra como con visin artificial (monocular, estereo) y odometra. Por otro lado, el aspecto ms interesante del 6D-SLAM-ICP es la utilizacin de un algoritmo de optimizacin desarrollado varios aos atrs con otros fines, este es el ICP, el cual permite resolover el problema de la consistencia en SLAM mediante la bsqueda del punto ms cercano en el modelo de mapa que se va oteniendo. En cuanto a los aspectos de implementacin, la Tabla 3 resume varios detalles. En primer lugar, en cuanto al costo computacional se evidencia que el enfoque clsico que se ha usado desde el EKF-SLAM no se puede aplicar a todos los algoritmos, ya que algunos usan una mtrica particular para evaluar desempeo. Debe estudiarse detalladamente cada uno de estos para comprender el modo de evaluacin que utilizan, aunque en su mayora tiene que ver con el tiempo de convergencia, es decir, el tiempo que tarda el algoritmo en actualizar el mapa y posicin cuando ocurre un cambio de estado del robot. Ms all de esto, se encuentra que entre aquellos que usan la misma mtrica para el costo computacional que el EKF-SLAM, el D&C ofrece los mejores resultados. En este sentido, para conocer estudios de comparacin experimental se sugiere [44-46] entre otros. I-R-9

ISBN: 978-980-7185-02-8

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012)


TABLA 2 CARACTERSTICAS TERICAS Filtro EKFSLAM Kalman Extendido Mapeado Global Bases Representacin del espacio en mapas estocasticos Factorizacin natural de la conjunta posterior entre las marcas y poses del robot usando modelos no gausianos Objetivo Considerar la incertidumbre en la medicin Reducir el costo computacional Robot

TABLA 3 CARACTERSTICAS OPERATIVAS Hardware Lenguaje S.O. Costo Cdigo Computaci abierto onal O(n2) O(m Log n) S S

De partculas: Fast SLAM Rao-Blackwell 2.0

Global

EKF- Simulac in SLAM Fast Simulac in SLAM 2.0 I-DMJ Simulac in SLAM CoreS MinesR over LAM D&C Simulac in SLAM KURT3 6DD SLAM -ICP Vector Roomba 510 Field Segme CaveCr awler nted

N.E. N.E.

Matlab Matlab

N.E. N.E.

N.E. Qwerk N.D. Intel Centrino 1.4MHz ARM7 N.D.

Matlab C N.D. GCC, MS Visual Studio N.D. N.D.

N.E. Linux N.D. Linux

(1) Depende del filtro O(n) (1)

S S S S

I-DMJ Filtro Iterativo SLAM de Unificacin de Sub Mapas Locales Esparcidos ISLSJF

Sub Mapas Locales

D-SLAM para Aplicar SLAM mapeado y ISLSJF en grandes para mejorar las reas estimaciones de reduciendo el costo posicin durante el paso de unificacin computacional y mejorando la consistencia Facilidad para ser embebido manteniendo buen desempeo Dividir en mapas locales de tamao fijo en forma de rbol binario y aplicar secuencialmente EKF Reducir el costo computacional del EKF en grandes reas

CoreS LAM

No especfico

Global

N.D. N.D.

(1) (1)

No No

D&C SLAM

Kalman Extendido

Sub Mapas Locales

NOTAS: (1) Usa una mtrica diferente a la funcin de costo computacional del resto de algoritmos N.E. = No especificado N.D. = No disponible Otro elemento resaltante es que se han dispuesto dos vas principales para la validacin de cada propuesta: simulacin y experimentacin sobre plataforma robtica. En el primer caso generalmente se hace uso de unos conjuntos de datos (datasets en ingls) sobre la captura de los sensores (telmetro lser y odmetro) en unos entornos particulares (principalmente edificios de las universidades que investigan en el tema). Estas simulaciones generalmente se han hecho mediante el software MATLAB aunque estos paquetes de datos son fcilmente manejables por aplicaciones propias en lenguajes de programacin tales como C. En la literatura consultada se encuentra muy poca referencia en cuanto a los sistemas de cmputo y el respectivo sistema operativo, sin embargo, a partir de la informacin implcita, se puede afirmar que en los robots grandes se usan computadores porttiles preferiblemente con linux y en los sistemas embebidos se usa el lenguaje C. El ltimo aspecto que se mencionar es que se encontr que la mayora de los algoritmos analizados ofrecen el acceso libre al cdigo para su utilizacin experimental, este hecho pudiera ser decisivo para un futuro investigador, ya que se puede iniciar tomando como punto de partida estos cdigos, sin necesidad de empezar de cero. Casi todas las propuestas estudiadas ofrecen su cdigo en [47] el cual est destinado a la difusin de diversas propuestas SLAM. Este sitio adems de reunir las publicaciones y cdigo de cada algoritmo, tambin dispone de conjuntos de datos para simulaciones. I-R-10

No utiliza Global 3D Comparar las Aplicar SLAM 6Dmtodos con 6 mediciones 3D completo SLAM con una -ICP probabilisticos grados de sucesivas realizadas libertad con un lser 3D y el consistencia registro de los mejorada conjuntos de puntos mediante ICP Vector Field Filtro Extendido de Informacin Exactamente Esparcida ESEIF Global Usar el modelo de Implementar en vector de campo de sistemas una seal para embebidos de determinar las bajo costo posiciones y ESEIF para aumentar la escalabilidad con menor complejidad Sub mapas, filtro robusto RaoBlackwellized y una segmentacin de mapa topolgico global A novel combined SLAM based on RBPFSLAM and EIF-SLAM for mobile system sensing in a large scale environment., Generar SLAM de tiempo real para reas extensas

Segme nted

RaoBlackwellized robusto

Sub Mapas Locales

ISBN: 978-980-7185-02-8

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012) VI. CONCLUSIONES El principal reto de los diferentes algoritmos es aplicar SLAM en grandes reas minimizando el costo computacional y as poder operar en tiempo real. Para resolver esto existen tres enfoques principales referidos al modelado del proceso: probabilstico gausiano, representado por el conjunto de propuestas basadas en el filtro extendido de Kalman; otro enfoque es probabilstico no gausiano que se basan en filtros de partculas y por ltimo, las soluciones no probabilsticas, dentro del que se encuentran las que se basan en mtodos de optimizacin no lineal. Otro camino alternativo muy estudiado es la divisin del problema de mapeado en pequeas partes o mapas locales, solucin muy til para grandes extensiones. A partir de los algoritmos analizados, se puede afirmar que el filtro de Kalman, el filtro de partculas Rao-Blackwell, el filtro de informacin y sus respectivas variantes, son las tcnicas que en mayor medida han sido estudiadas. De las pruebas sobre robots reales a que se tuvo acceso en las fuentes consultadas, destaca el hecho de la utilizacin del sistema operativo Linux en el computador bordo del robot como es el caso del MinesRover y el Kurt3D. Adems resulta alentador que una buena cantidad de propuestas ofrecen el cdigo para facilitar su implementacin e investigacin ms detallada. La fecha de aparicin de los algoritmos analizados reflejan que el inters de investigar en este tema est vigente y activo. Adems se presentaron los institutos o centros de investigacin que lideran esta rea, donde destaca el Carnegie Mellon Institute por su contnuo y prolongado trabajo. REFERENCIAS BIBLIOGRFICAS
[1] F. Bonin-font, A. Ortiz, and G. Oliver, Visual Navigation for Mobile Robots: a Survey, Journal of Intelligent and Robotic Systems, vol. 53, no. 3, pp. 263 - 296, 2008. S. Thrun, W. Burgard, and D. Fox, Probabilistic robotics, vol. 45, no. 3. MIT Press, 2005, p. 490. T. Bailey, Mobile Robot Localisation and Mapping in Extensive Outdoor Environments, University of Sydney, 2002. D. Rodrguez-Losada, Slam geomtrico en tiempo real para robots mviles en interiores basado en EKF, Universidad Politcnica de Madrid, 2004. A. Seeni, B. Schfer, and G. Hirzinger, Robot Mobility Systems for Planetary Surface Exploration State-of-the-Art and Future Outlook: A Literature Survey, Aerospace, no. January, 2010. J. Forlizzi and C. Disalvo, Service Robots in the Domestic Environment: A Study of the Roomba Vacuum in the Home, Design, pp. 258-265, 2006. Z. Li, Y. Liu, R. Walker, R. Hayward, and J. Zhang, Towards automatic power line detection for a UAV surveillance system using pulse coupled neural filter and an improved Hough transform, Machine Vision and Applications, vol. 21, no. 5, pp. 677-686, 2010. A. Gil, O. M. Mozos, M. Ballesta, and O. Reinoso, A comparative evaluation of interest point detectors and local descriptors for visual SLAM, Machine Vision and Applications, vol. 21, no. 6, pp. 905-920, Apr. 2009. H. Durrant-whyte, Localization, Mapping and the Localization and Mapping Problem. Australian Centre for Field Robotics, University of Sydney, 2002. [10] S. B. Williams. Efcient Solutions to Autonomous Mapping and Navigation Problems. Australian Centre for Field Robotics, University of Sydney, September 2001. [11] H. Durrant-White and T. Bailey, Simultaneous localization and mapping (slam): part 1 IEEE Robotics and Automation Magazine, vol. 13, no. 3, pp. 99110, 2006. [12] T. Bailey and H. Durrant-White, Simultaneous localization and mapping (slam): part 2. IEEE Robotics and Automation Magazine, vol. 13, no. 3, pp. 108117, 2006. [13] R. Smith, M. Self, and P. Cheeseman. A stochastic map for uncertain spatial relationships. In Faugeras O. and Giralt G. (eds), Robotics Research, The Fourth International Symposium, pp. 467474. The MIT Press, Cambridge, MA, 1988. [14] J. Knight, A. Davison, and I. Reid. Towards constant time SLAM using postponement. In IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 406412, Maui, Hawaii, 2001. [15] Guivant, J and Nebot, E. Optimization of the Simultaneous Localization and Map-Building Algorithm for Real-Time Implementation. IEEE Transactions on Robotics and Automation, vol. 17, no. 3, June 2001. pp 242-257 [16] Y. Liu and S. Thrun, Results for outdoor-SLAM using sparse extended information filters, in IEEE International Conference on Robotics and Automation, 2003, pp. 1227-1233. [17] J. D. Tards, J. Neira, P. Newman, and J. Leonard. Robust mapping and localization in indoor environments using sonar data. International Journal of Robotics Research, 21: 311330, 2002. [18] S. B. Williams, G. Dissanayake, and H. F. Durrant-Whyte. An efficient approach to the simultaneous localisation and mapping problem. In IEEE International Conference on Robotics and Automation, ICRA, vol. 1, pp. 406411, Washington DC, 2002. [19] M. Bosse, P. Newman, J. Leonard, M. Soika, W. Feiten, and S. Teller. An atlas framework for scalable mapping. In IEEE International Conference on Robotics and Automation, pp. 18991906, Taipei, Taiwan, 2003. [20] T. Bailey. Mobile Robot Localisation and Mapping in Extensive Outdoor Environments, Australian Centre for Field Robotics, University of Sydney, August 2002. [21] M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM: a factored solution to the simultaneous localization and mapping problem. In Proceedings of the AAAI National Conference on Artificial Intelligence, Edmonton, Canada, 2002, AAAI. [22] M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM 2.0: An improved particle filtering algorithm for simultaneous localization and mapping that provably converges. In Proceedings of the Sixteenth International Joint Conference on Artificial Intelligence (IJCAI), Acapulco, Mexico, 2003. IJCAI. [23] Z. Wang, S. Huang and G. Dissanayake, D-SLAM: A decoupled solution to simultaneous localization and mapping, International Journal of Robotics Research, vol. 26, no. 2, February 2007, pp. 187204. [24] S. Huang, Z. Wang, G. Dissanayake, and U. Frese, Iterated SLSJF: A sparse local submap joining algorithm with improved consistency, 2008 Australia Conference on Robotics and Automation. [25] S. Huang, Z. Wang, G. Dissanayake, and U. Frese, Iterated D-SLAM Map Joining. Evaluating its performance in terms of consistency, accuracy and e ciency, International Conference on Robotics and Automation. 2009. [26] Steux, B and El Hamzaoui, O. CoreSLAM : a SLAM Algorithm in less than 200 lines of C code. International Conference on Control, Automation, Robotics and Vision (ICARCV), 2010 [27] S. Julier, J. Uhlmann, and H. F. Durrant-Whyte, A new method for the nonlinear transformation of means and covariances in lters and estimators, IEEE Transactions on Automatic Control, vol. 45, no. 3, pp. 477482, Mar. 2000. [28] H. Jacky Chang, C. S. George Lee*, Yung-Hsiang Lu and Y. Charlie Hu. Simultaneous Localization and Mapping with Environmental Structure Prediction. (Consulta en Julio 2011). Disponible en: https://engineering.purdue.edu/ResearchGroups/DEAR [29] A. Eliazar and R. Parr, DP-SLAM: Fast, robust simulataneous localization and mapping without predetermined landmarks, in

[2] [3] [4]

[5]

[6]

[7]

[8]

[9]

ISBN: 978-980-7185-02-8

I-R-11

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012)


Proc. of the 18th Intl Joint Conf. on Articial Intelligence (IJCAI-03). 2003. Lina M. Paz, Patric Jensfelt, J. D. Tards & J. Neira. EKF SLAM updates in O(n) with Divide and Conquer SLAM. In Proc. IEEE Int. Conf. Robotics and Automation, Rome, Italy, April 2007. Ntcher, A. 3D Robotic Mapping. The Simultaneous Localization and Mapping Problem with Six Degrees of Freedom. SpringerVerlag Berlin Heidelberg. 2009. J.-S. Gutmann, G. Brisson, E. Eade, P. Fong, and M. Munich. Vector Field SLAM. In Int. Conference on Robotics and Automation (ICRA), Anchorage, 2010 pp 236-242. N. Fairfield, D. Wettergreen, and G. Kantor, "Segmented SLAM in three-dimensional environments", presented at J. Field Robotics, 2010, pp.85-103. A. Arcos, Sistema de navegacin y modelado del entorno para un robot mvil, Proyecto Fin de Carrera, Universidad Politcnica de Madrid, 2009. S.J. Julier and J.K. Uhlmann. A counter example to the theory of simultaneous localization and map building. In Proc. IEEE Int. Conf. Robotics and Automation, pages 42384243, 2001. T. Bailey, J. Nieto y E. M. Nebot. Consistency of the FastSLAM Algorithm. IEEE Int. Conference Robotics and Automation 2006: 424-429. W.-S. Choi and S.-Y. Oh, Robust EKF-SLAM method against disturbance using the Shifted Mean based Covariance Inflation Technique in 2011 IEEE International Conference on Robotics and Automation, 2011, pp. 4054-4059. B.-W. Kuo, H.-H. Chang, Y.-C. Chen, and S.-Y. Huang, A Light-andFast SLAM Algorithm for Robots in Indoor Environments Using Line Segment Map Journal of Robotics, vol. 2011, pp. 1-12, 2011. B. He, S. Zhang, T. Yan, T. Zhang, Y. Liang, and H. Zhang, A novel combined SLAM based on RBPF-SLAM and EIF-SLAM for mobile system sensing in a large scale environment., Sensors (Basel, Switzerland), vol. 11, no. 11, pp. 10197-219, Jan. 2011. [40] A. Nchter, H. Surmann, K. Lingemann, J. Hertzberg, and S. Thrun. 6D SLAM with an Application in autonomous mine mapping. In Proceedings of the IEEE International Conference on Robotics and Automation, pages 1998 - 2003, New Orleans, USA, April 2004. [41] H. Surmann, K. Lingemann, A. Nchter, and J. Hertzberg. A 3D laser range finder for autonomous mobile robots. In Proceedings of the of the 32nd International Symposium on Robotics (ISR '01), pages 153 158, Seoul, Korea, April 2001. [42] P. Besl and N. McKay. A Method for Registration of 3-D Shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence, 14(2), pp 239-256, Feb. 1992. [43] J.-S. Gutmann, et al. A Constant-Time Algorithm for Vector Field SLAM using an Exactly Sparse Extended Information Filter. Proceedings of Robotics: Science and Systems. 2010. Zaragoza, Spain. [44] Arnoud Visser, David de Bos, and Hessel van der Molen. An Experimental Comparison of Mapping Methods, the Gutmann dataset. In Proc. of the RoboCup IranOpen 2011 Symposium (RIOS11), April 2011. [45] R. Ouellette y K. Hirasawa. A Comparison of SLAM Implementations for Indoor Mobile Robots. Proceedings of the 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems San Diego, CA, USA, Oct 29 - Nov 2, 2007 [46] W. Burgard et al. A Comparison of SLAM Algorithms Based on a Graph of Relations. nternational Conference on Intelligent Robots and Systems. 2009 [47] C. Stachniss, U. Frese, and G. Grisetti, OpenSLAM, 2012. [Online]. Available: http://www.openslam.org/. [Accessed: 08-Apr-2012].

[30]

[31]

[32]

[33]

[34]

[35]

[36]

[37]

[38]

[39]

ISBN: 978-980-7185-02-8

I-R-12