Development and experimental validation of an adaptive extended Kalman filter for the localization of mobile robots

The autonomous navigation of vehicles has been an area of great interest for researchers for a long time, mainly the artificial intelligence subject. One of the problems of greatest interest is that related to the trajectory generated of a vehicle, which shall be guided in an environment, avoiding colliding with obstacles in order to reach pre defined positions. This paper presents a methodology to generate trajectories using neural networks applied to mobile robot navigation. The numerical simulation results presented graphically shown that the proposed methodology were efficient to guide the robot in dynamic unknown environment IntroduçãoA navegação autônoma de veículos há muito desperta o interesse de pesquisadores, principalmente na área de inteligência artificial. Um dos problemas que desperta maior interesse, concentra-se na determinação de uma trajetória, de modo que o veículo possa navegar pelo ambiente evitando colidir com obstáculos até alcançar uma ou mais posições pré-estabelecidas no ambiente [1].O planejamento de trajetória envolve um grande número de etapas. Planejar significa organizar as informações disponíveis e previstas, de tal forma a conduzir um objeto de um estado a outro, de preferência com segurança e estabilidade. Como o ambiente de trabalho geralmente não é estático, o planejamento das ações torna-se uma tarefa dinâmica e o sistema deve ter a capacidade de realizar as adaptações e a tomada de decisões diferentes (ajustes) da planejada, ou seja, um replanejamento. E mais, no planejamento deve-se prever o aprendizado de fatos e ações não previstas, para futura utilização [2].Neste trabalho, a simulação da interação do robô móvel com o meio é feita através de mecanismos sensoriais, permitindo que o mesmo seja capaz de operar autonomamente em um local desconhecido e não necessariamente estruturado.As Na área da inteligência artificial foram escolhidas as redes neurais artificiais, pois as mesmas se mostraram eficientes para solucionar o problema básico da navegação, sendo utilizada uma rede do tipo MLP (Multilayer Perceptron) com uma camada intermediária e recorrência externa. No seu treinamento foram usados padrões de comportamentos esperados durante a navegação, padrões estes obtidos a partir de uma série de regras pré-definidas por um instrutor.A seguir será feita uma breve revisão das redes neurais artificias. Redes Neurais ArtificiaisO estímulo inicial que conduziu ao desenvolvimento de modelos matemáticos de redes neurais, denominadas redes neurais artificiais, foi um esforço para entender mais detalhadamente o funcionamento do cérebro humano. O objetivo era construir mecanismos que operassem de modo similar, ou seja, que tomassem decisões, processassem informação, aprendessem, lembrassem e otimizassem da mesma forma e, se possível, até de forma mais eficiente que o cérebro humano [15].Um neurônio é a unidade fundamental de processamento de informação de uma rede neural [16]. Basicamente no modelo do neurônio artificial são identificados três elementos: um conjunto de conexões

show abstract

“…Entre outras técnicas tradicionais utilizadas com o mesmo propósito, destaca-se o uso dos filtros de Kalman [13], [14].…”

Section: Introductionunclassified

Gera��o de Trajet�rias para Rob�s M�veis Aut�nomos Usando Redes Neurais Artificiais

Andrade¹,

Mendeleck²,

Zampieri³

2016

Anais Do 5. Congresso Brasileiro De Redes Neurais

View full text Add to dashboard Cite

show abstract

“…The discretization of this linear model, using a Zero Order Hold (ZOH) with period T s , produces the linear discretetime model of the following form Fossen [2011]: Then the discrete time EKF has the form given in Jetto et al [1999] and Benetazzo et al [2012].The implementation of the Kalman filter requires the estimation of the parameter of the model (11). For more details see Fossen [2011] and Fu et al [2010].…”

Section: Wave Filteringmentioning

confidence: 99%

Experimental results of Discrete Time Variable Structure Control for Dynamic Positioning of Marine Surface Vessels

Raspa

Benetazzo

Ippoliti

et al. 2013

IFAC Proceedings Volumes

Self Cite

View full text Add to dashboard Cite

This paper presents a Discrete-Time Variable-Structure Control (DTVSC) for the dynamic positioning system of a marine supply vessel to guarantee robustness with respect to disturbances and parametric variations. The control system is combined with a wave compensation based on a Multirate Extended Kalman Filter (MR-EKF). The dynamic positioning system is provided by a DTVS controller. The proposed solution has been tested on a real vessel and the experimental results are corroborated by simulations.

show abstract

“…In this context the right approach is to formulate the localization problem as a state estimation problem and the appropriate tool is the EKF (see e.g. (Barshan & Durrant-Whyte, 1995;Garcia et al, 1995;Kobayashi et al, 1995;Jetto et al, 1999;Sukkarieh et al, 1999;Roumeliotis & Bekey, 2000;Antoniali & Oriolo, 2001;Dissanayake et al, 2001)). Hence, Algorithm 3 is a suitably defined EKF fusing together odometric and gyroscopic data.…”

Section: Relative Approaches For Mobile Robot Localizationmentioning

confidence: 99%

Comparative Analysis of Mobile Robot Localization Methods Based on Proprioceptive and Exteroceptive Sensors

Ippoliti¹,

Jetto²,

Longhi³

et al. 2007

Mobile Robots: Perception &Amp; Navigation

View full text Add to dashboard Cite

Development and experimental validation of an adaptive extended Kalman filter for the localization of mobile robots

Cited by 289 publications

References 19 publications

Gera��o de Trajet�rias para Rob�s M�veis Aut�nomos Usando Redes Neurais Artificiais

Gera��o de Trajet�rias para Rob�s M�veis Aut�nomos Usando Redes Neurais Artificiais

Experimental results of Discrete Time Variable Structure Control for Dynamic Positioning of Marine Surface Vessels

Comparative Analysis of Mobile Robot Localization Methods Based on Proprioceptive and Exteroceptive Sensors

Contact Info

Product

Resources

About