280 likes | 406 Views
Introdução. A robótica promove diversos benefícios a sociedade; Os robôs podem ser divididos em diferentes tipos, onde cada um se encaixa com propósitos diferentes, arquitetados de maneiras distintas. .
E N D
Introdução • A robótica promove diversos benefícios a sociedade; • Os robôs podem ser divididos em diferentes tipos, onde cada um se encaixa com propósitos diferentes, arquitetados de maneiras distintas.
O Axel Rover é um exemplo de robô com duas rodas. Desenvolvido pela NASA, o robô permite uma maior versatilidade em seu movimento, e é usado para exploração de terrenos em Marte, em lugares que a Curiosity pode ter dificuldade de acesso. Exemplo de robôs de mobilidade terrestre O EOD-Robots, exemplo de robôs com esteira, construídos para poupar a vida de soldados no campo de batalha. Estes robôs são equipados com esteiras iguais a tanques de guerra, a fim de suportar grandes pesos em diferentes tipos de terrenos. Alguns destes robôs, por exemplo, são utilizados para o desarmamento de bombas
Robôs autônomos • Robôs autônomos podem tomar decisões e realizar tarefas especificas em ambientes desestrudos sem a intervenção humana. • Existem diferentes tipos de automação, que introduzem técnicas diferentes para a realização de determinada tarefa: • Robôs executores; • Robôs baseados em sensores;
Aplicações de robôs autônomos • Indústria • Transporte e Vigilância • Pesquisa e Ciência • Serviços
Quais habilidades um robô autônomo precisa? • Identificação: O que é isto?- Detecção/reconhecimento de objetos • Movimentação: Como eu me movo com segurança?- Desvio de obstáculos, direção • Manipulação: Como eu mudo isto?- Interação com objeto / ambiente • Navegação: Onde eu estou?- Mapeamento / localização
O Projeto • Este trabalho tem como propósito o desenvolvimento de um robô semi-autônomo, que utilizará um smartphone como principal fonte de processamento, além de ser o principal sensor ao meio externo, utilizando sua câmera como guia para se orientar por trilhas ou caminhos através de métodos de visão computacional, a fim de se chegar a um destino.
Visão Computacional • Conjunto de técnicas e métodos que permitem que um sistema consiga interpretar imagens. • Passos: • Aquisição da imagem; • Pré-processamento; • Extração de características; • Detecção e segmentação; • Processamento de alto nível;
Por que visão computacional? • Pontos positivos: • Fonte rica de informação sobre o ambiente; • Principal sensor humano; • Pontos negativos: • Complexidade em extrair informações de imagens • Requer alto processamento;
Implementação • Construção do protótipo do robô NXT. • Desenvolvimento da API de comunicação via Bluetooth entre o Celular e o NXT. • Desenvolvimento do controle manual • Desenvolvimento do módulo de detecção e perseguição de linhas. • Desenvolvimento do módulo de detecção e perseguição de pistas. • Desenvolvimento do módulo de detecção de círculos para execução de alguma ação pré-determinada.
Ambiente de desenvolvimento TegraAndroidDeveloper Pack 1.0r8 • IDE Eclipse • SDK Android • Biblioteca OpenCV http://www.nvidia.com/content/devzone/tegra-android-developer-pack.html A linguagem utilizada para o desenvolvimento da aplicação é o Java.
API de comunicação A API de comunicação foi desenvolvida para permitir que o Celular se comunique com o NXT. Foi desenvolvida baseada no protocolo Lego Communication Protocol (LCP, Bluetooth). Sua documentação é descrita em: http://mindstorms.lego.com/en-us/support/files/default.aspx
Resultados do Controle Manual • Através da interação do usuário, o robô passou a se locomover na direção desejada • O protótipo inicial se baseou na utilização do módulo de controle manual • Um dos problemas encontrados neste módulo foi o tratamento da conexão bluetooth. Caso a mesma não fosse fechada corretamente após seu uso, a aplicação passava a exibir mensagens de erro, impossibilitando seu uso em diante.
Resultados do Controle Manual • Com o protótipo inicial fechado, foi possível trabalhar no desenvolvimento da autonomia do robô. • O módulo de detecção de linhas por cores foi desenvolvido com o propósito da detecção de trajetos e rotas baseado em cores específicas. • O robô conseguiu se locomover em linha reta como esperado quando identificado à rota, porém, teve problemas quando o trajeto possuía curvas, ou o robô saísse de uma trajetória linear
Resultados do Controle Autônomo • Com o desenvolvimento do módulo de detecção de pistas, o robô passou a ter uma autonomia maior, independendo da necessidade específica de rotas pré-determinadas. • O desempenho da locomoção do robô também é influenciado pela luz ambiente. • O módulo de detecção de símbolos permite que o robô consiga identificar quando chegar a seu caminho. A princípio, este processo seria realizado via o reconhecimento de QR Code, porém, foi identificado uma maior complexidade neste processo, e comparado ao tempo final de entrega do projeto, a identificação de símbolos utilizando a biblioteca OpenCV se tornou uma saída viável. Desta maneira, o robô pára ao identificar um número de círculos pré-determinados.
Resultados do Controle Autônomo O robô conseguiu se locomover em linha reta como esperado quando identificado à rota, porém, teve problemas quando o trajeto possuía curvas, ou o robô saísse de uma trajetória linear. Desta forma, foi identificada a necessidade de regular a velocidade dos motores baseado no número de pontos encontrados no trajeto, garantindo uma melhor locomoção mais suave.
Conclusões • O objetivo do projeto foi alcançado com êxito. • As demais etapas do desenvolvimento foram concluídas completamente, onde cada módulo funcionou como esperado; • Entre os módulos aplicados, a detecção de linha foi a mais fácil de ser implementada, e a mais precisa, ao contrário da detecção de pista; • Além da aplicação e da compreensão de novos conceitos, foram adquiridos conceitos ao longo do curso.
Trabalhos Futuros • Aprimorar as técnicas de visão computacional, para permitir que o robô consiga se adaptar a novos ambientes fechados, como faculdades e outros locais públicos. • Também se sugere a implementação de novos recursos, como a possibilidade de locomoção em ambientes abertos, utilizando o GPS como sensor externo, aproveitando a utilização do módulo de lanedetection para locomoção autônoma. • O robô também pode sofrer adaptações em sua estrutura, para melhor locomoção, com a inclusão de novos sensores para permitir a interpretação do mundo externo. Entre elas, a inclusão do sensor ultrassônico para identificação de obstáculos a frente, além do sensor laser, para permitir detecção de degraus a frente.
Referências • DA SILVA, LUCIANO ROTTAVA. Análise e programação de robôs móveis autônomos na plataforma Eyebot. Disponível em: <http://www.das.ufsc.br/~rottava/download/dissertacao.pdf>. • DE SOUZA, FELIPPE. Automação Industrial e Robótica. Disponível em: <http://webx.ubi.pt/~felippe/texts3/autom_ind_cap1.pdf>. • BROOKS, R. A., Achieving Artificial Intelligence Through Building Robots, MIT AI Lab Memo No. 899, May 1986. Disponível em: <http://people.csail.mit.edu/brooks/papers/aim-899.pdf> • http://www.newtoncbraga.com.br/index.php/robotica/4018-rp0001.html • http://asimo.honda.com/ • RAMOS, B. RAMOS, R. CALADO, S, AutomaticGuidedVehicle. Disponível em: < http://users.isr.ist.utl.pt/~pjcro/cadeiras/api0405/pdf_files/G03_SEM.pdf> • http://thenxtstep.blogspot.com.br/ • http://mindstorms.lego.com • SHIH, Bih-Yaw. CHEN, Chen-Yuan. CHOU Wei-Chung. Obstacle avoidance using a path correction method for autonomous control of a biped intelligent robot. 2010. • CUBEK, RICHARD. A Color Blob Based Robot Vision, 2010. Disponívelem: <http://amser.hs-weingarten.de/cms/administrator/components/com_intranet/uploads/paper/70/pa_cubek.pdf>. • [2] MELO, Leonimer Flávio de. Proposta de Simulador Virtual para Sistemas de Navegação de Robôs Móveis Utilizando Conceitos de Prototipagem Rápida, 2007. 293p. Tese (Doutorado) – Faculdade de Engenharia Mecânica, Universidade Estadual de Campinas, Campinas. • Orth, A. Desenvolvimento de um sistema de visão para medir o desgaste de flanco de ferramentas de corte. Dissertação de Mestrado, Universidade Federal de Santa Catarina, 2001. • REN, F. HUANG, J. TERAUCHI, M. JIANG, R. KETTLE, R. Lane Detection on the iPhone • Suzuki, S. and Abe, K., Topological Structural Analysis of Digitized Binary Images by Border Following. CVGIP 30 1, pp 32-46 (1985)