Localización geométrica de robots móviles autónomos

La estimación de la localización de un robot móvil autónomo, posición y orientación en cada instante de tiempo, constituye uno de los requerimientos esenciales para su navegación. Tradicionalmente, los robots móviles se localizan usando métodos incrementales, tales como la odometría. Su principal inconveniente radica en la acumulación de errores a lo largo de la trayectoria, siendo preciso desarrollar sistemas de corrección, que actúen de forma periódica o en determinados puntos críticos del camino. Esta tesis presenta como novedad el desarrollo de una arquitectura de planificación y supervisión de la percepción orientada al proceso de relocalización, que facilite la utilización de robots móviles en entornos complejos, con la finalidad de reducir la incertidumbre relativa a su posición respecto a un sistema de referencia dado. Las principales ventajas de la arquitectura propuesta son: la facilidad de integración de nuevos sistemas sensoriales e incorporación de algoritmos de localización, la posibilidad de interacción con el sistema de control de pilotaje desarrollado mediante técnicas reactivas y el planificador de trayectorias. El proceso de localización de un robot móvil a través de su sistema sensorial parte de un conocimiento previo del entorno de trabajo y de la representación geométrica de la información asociada a dicho entorno. Para completar la información de localización en todos los grados de libertad del sistema, será preciso emplear un modelo de representación de la incertidumbre y un método de integración que permita manejar dicha representación. Los distintos métodos y algoritmos expuestos en el presente trabajo para extraer información del entorno de trabajo, se basan en el empleo de un sistema de visión artificial y sensores de ultrasonidos. Su selección y ejecución en paralelo se realiza a través de un módulo de supervisión con estructura jerárquica, en función de las directrices asociadas a la misión propuesta por el usuario. La estimación de la posición del vehículo se ha realizado empleando un filtro de Kalman extendido, al tratarse de un método recursivo, que permite obtener una estimación de mínima varianza del estado partiendo de observaciones imprecisas. Para mejorar la estimación de la posición se plantea el uso de un filtro de Kalman extendido iterado basado en algoritmos evolutivos. Finalmente, también son tratados distintos aspectos particulares relacionados con la verificación y validación de los diferentes módulos sobre una plataforma móvil real