| Summary: | A exploração autônoma de ambientes desconhecidos necessita da construção incremental e consistente de um modelo do local explorado para que o robô possa estimar com sucesso sua localização ao longo do trajeto executado. Este problema é conhecido como localização e mapeamento simultâneo (SLAM), sendo de fundamental importância para o estudo de robôs móveis autônomos. Este trabalho apresenta o resultado do desenvolvimento de um algoritmo para localização e mapeamento simultâneo baseado no algoritmo Iterative Closest Point (ICP). Como ferramenta de desenvolvimento e pesquisa um novo framework voltado a aplicações robóticas chamado Microsoft Robotics Developer Studio foi utilizado. A solução proposta utiliza o ICP para gerar uma estimativa inicial de deslocamento que é avaliada utilizando-se um índice de qualidade em que a varredura da leitura atual do scanner laser é sobreposta a um mapa previamente construído a partir de leituras anteriores do sensor laser. Se o índice for pior que um limite previamente definido, são geradas mais quatro estimativas de deslocamento nas proximidades da estimativa inicial. A que apresentar o melhor valor para o índice de desempenho é utilizada como estimativa final para o deslocamento. Para verificação da efetividade da solução proposta, foram utilizados cinco ambientes simulados diferentes no qual foram avaliados o ICP e a solução proposta. Os resultados das simulações indicam que a solução proposta obtém um desempenho sensivelmente superior ao ICP nos casos em que o ambiente apresenta quinas e saliências pois estas diminuem os efeitos danosos causados pela ambiguidade na estimativa de deslocamento. Destaca-se também a utilização do teste de hipótese pelo método Kolmogorov-Smirnov para duas amostras (KS) para verificação de semelhança e relevância das correções efetuadas pelos algoritmos em teste.
|
|---|
