Tarea 4 Q.bo: Odometría, SLAM y PID

Slides:



Advertisements
Presentaciones similares
Si la estadística no miente...: ¡Cuánto influyes sobre mi!
Advertisements

PROCESAMIENTO DE IMAGENES
Ingeniería de Sistemas de Control
PROFESOR : Ing. Carlos Valdivieso
REALIZADO POR: VICTOR PATRICIO VERDEZOTO PEREIRA
Control de un vehículo aéreo no tripulado
SISTEMA DE ROBOTICA DE LEGO. ¿Cómo funciona la computación básica? Entrada Salida El procesador ejecuta los comandos. La memoria guarda los programas.
Control automático industrial
UNIVERSIDAD DE COSTA RICA Curso de Robótica Leonardo Jiménez Roy Ramos Ricardo Román Melissa Rosales Tarea 3. Localización Monte Carlo Grupo 4.
Control PID A que nos referimos con control? Quiero mantener la salida constante, pero la salida depende del entorno - puede aparecer torque variable sobre.
APLICACIONES DEL DSPI DESARROLLADAS EN EL CIOp. Medición de focales de lentes o sistemas Medida de espaciados.
Inteligencia Artificial (BAIA)  Se propone lograr que las computadoras se comporten de manera que podamos reconocerlas como inteligentes.  Tiene por.
Tracking de objetos articulados Model-Based Tracking of Complex Articulated Objects Kevin Nickels, Member, IEEE, and Seth Hutchinson, Senior Member, IEEE.
Equipo 2: Guillermo Santamaría Bonfil Adalberto Bonfil Hernández Mario Jorge Claros.
Tema 3: Sensores y Actuadores
L. Enrique Sucar M. López Robótica Inteligente Los robots del futuro: Robots de Servicio.
Simulación del controlador PID
Marie Barquero Rojas Karen Ovares Garro Alejandro Pereira Calvo Jerson Wade Morris.
Miércoles 30 de Octubre de 2002 Construcción y Diseño de Controladores de un Péndulo Invertido Rotante Autores  Sebastian Mallo  Virginia Mazzone Director.
Aplicaciones de Técnicas de IA Ana Lilia Laureano-Cruces UAM-A.
Sesión 6: Campos de Markov
Aprendizaje (Machine Learning)  Pregunta interesante: Podemos hacer que las computadoras aprendan?  Aprender: mejorar automáticamente con la experiencia.
MOUSE **ES UN DISPOSITIVO DE ENTRADA DE DATOS Y CONTROL.
U.A.V : Unmanned Aerial Vehicle
Flujo óptico Omar Ocegueda 24 de Noviembre de 2003.
Robótica Inteligente L. Enrique Sucar Leonardo Romero Marco López ITESM Cuernavaca.
MÉTODOS DE BINARIZACIÓN DE IMÁGENES EN NIVELES DE GRIS
Teoría de Error Conceptos básicos:
Tema 7: Control L. Enrique Sucar Marco López ITESM Cuernavaca
Robótica Inteligente Tema 3: Mecánica L. Enrique Sucar Alberto Reyes ITESM Cuernavaca.
MAQUINA EXPERIMENTAL MULTIEJES SISTEMA DE CONTROL CONTENIDO.
Bio – Academic Background
Posición, trayectoria, espacio recorrido y desplazamiento
Robótica Inteligente L. Enrique Sucar Leonardo Romero Marco López ITESM Cuernavaca.
Introducción a la Robótica mecanismos avanzados Coordinación de Ciencias Computacionales, INAOE Dra Angélica Muñoz Dr Eduardo Morales
Robótica Inteligente L. Enrique Sucar Leonardo Romero Marco López ITESM Cuernavaca.
DISEÑO DE UN CONTROLADOR PID AUTOSINTONIZABLE
Tema 3: Filtros.
3D structure from motion
Una aproximación a la visión
Robótica AKA Tópicos IV. Rob ó tica Ciencia o rama de la tecnología, que estudia el diseño y construcción de máquinas capaces de desempeñar tareas realizadas.
Reglas Temporales Borrosas Objetivo: especificación de una gramática que describa de forma completa las proposiciones temporales borrosas que constituyen.
Multiple Camera Tracking of Interacting and Occluded Human Motion SHILOH L. DOCKSTADER, STUDENT MEMBER, IEEE, AND A. MURAT TEKALP, SENIOR MEMBER, IEEE.
Tema 6: Programación L. Enrique Sucar Marco López ITESM Cuernavaca
Control de un vehículo aéreo no tripulado Daniel Garijo Verdejo Jesús Ismael López Pérez Isaac Pérez Estrada Fecha: Junio 2009 Proyecto de fin de curso.
Automatización Es la tecnología utilizada para realizar procesos o procedimientos sin la ayuda de las personas.
CINEMÁTICA Ing. Robin Anguizaca F..
Introducción a la Robótica mecanismos avanzados Coordinación de Ciencias Computacionales, INAOE Dra Angélica Muñoz Dr Eduardo Morales
CONTROL E INSTRUMENTACIÓN DE PROCESOS TEMA 2 Control de Procesos
Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca.
Presentación de Soluciones creativas con Robótica
MADRID, DE MAYO DE 2012 Ref: DPI / Motivación 1 Tener un modelo operativo del entorno es esencial para el funcionamiento de un robot móvil.
LA CARTA DE AJUSTE POR RETROALIMENTACIÓN Suponer una variable de calidad Y, que tiene un “target” T. Suponer una variable controlable X que influye en.
Robótica Inteligente L. Enrique Sucar Marco López ITESM Cuernavaca.
Presentación en Power Point.
Instituto Politécnico Nacional Escuela Superior de Cómputo
ROBOTICA. Clasificación por Generación 1ra Generación: Repite programas secuencialmente sin tomar en cuenta su entorno 2da Generación: Actúa en consecuencia.
Robótica Colegio Bilingüe de Palmares Bachillerato Internacional
Carlos Ivan Marquez Medrano
Estructura del objetivo (general y especifico) metas y estrategias
LOCALIZACIÓN Y PLANIFICACIÓN DE TRAYECTORIAS
Sensores Para Robots Robotics Academy All Rights Reserved.
Representación del Robot Pablo Montero Paul Vallejos.
SISTEMAS AUTOMÁTICOS DE CONTROL
CONTROLADORES PROPORCIONALES, INTEGRALES y DERIVATIVOS
Luis David silva Miguel Ángel Flórez 11-2 Sebastián cepeda.
Dos senderos que conducen a un escalar La medida del Espacio: Dos senderos que conducen a un escalar. Medidas básicas en el espacio. Imagen obtenida del.
Como la robótica contribuye en lo industrial al mejoramiento de vida Manuel Alejandro Hinestroza Escobar.
Mapeado: SLAM Grupo 4.
Localización y planeación de trayectorias
Transcripción de la presentación:

Tarea 4 Q.bo: Odometría, SLAM y PID Douglas Castillo – B11539 Ronny Elizondo – B12320 Joan Marchena – B13850 Vitaly Mayorga – B14011

Odometría Es el estudio de la estimación de la posición de vehículos con ruedas durante la navegación Se usa información sobre la rotación de las ruedas para estimar cambios en la posición a lo largo del tiempo

Odometría 2 tipos de errores: Errores sistemáticos Errores no sistemáticos Importante distinguir entre ambos errores

SLAM Simultaneous localization and mapping.

¿Qué es? Es una técnica para construir un mapa de un entorno desconocido en el que se encuentra el robot, a la vez se estima su trayectoria al desplazarse dentro de este entorno.

Regla de Bayes:

¿Cómo lo hace Qbo? Calcula el movimiento del robot, mediante su driver de Odometría. Detecta marcas naturales en las imágenes y estima su posición en un espacio tridimensional (GoodFeacturesToTtrackDetector) También se hace un seguimiento de los puntos mediante el algoritmo Lukas-Kanade. Se implementa el filtro de Kalman extendido, el cual es utilizado para la estimación y minimización de ruidos o errores.

Control PID (Proporcional Integral Derivativo) Es un mecanismo de control por retroalimentación. Calcula la desviación o error entre un valor medido y el valor que se quiere obtener. Para aplicar una acción correctora que ajuste el proceso

Funcionamiento del Control PID Se necesita: Un controlador, que genere la señal que manipula al actuador. En el Q.bo: Qboard 1

Funcionamiento del Control PID Se necesita: Un sensor, que determine el estado del sistema. Un actuador, que modifique al sistema de manera controlada. En el Q.bo: Motores de 170 rpm, con codificadores Imagen 1. Motores Q.bo

Ejemplo qbo_arduqbo ROS Node Controlador base: activa el movimiento de la base del robot y el sistema de posicionamiento. nav_msgs.msg::Odometry

Enlaces utilizados Definiciones: Imagen 1: Ejemplos: http://thecorpora.com/blog/?lang=es http://www.kramirez.net/Robotica/Material/Presentaciones/Odometria.pdf http://www.kramirez.net/Robotica/Material/Presentaciones/Control.pdf Imagen 1: http://thecorpora.com/index.php/emg30motor Ejemplos: http://openqbo.org/wiki/doku.php

Fin