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.
Exemplo de robôs de
mobilidade terrestre
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.
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 semiautônomo, 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;
Proposta de solução
Implementação
1. Construção do protótipo do robô NXT.
2. Desenvolvimento da API de comunicação
via Bluetooth entre o Celular e o NXT.
3. Desenvolvimento do controle manual
4. Desenvolvimento do módulo de detecção
e perseguição de linhas.
5. Desenvolvimento do módulo de detecção
e perseguição de pistas.
6. Desenvolvimento do módulo de detecção
de círculos para execução de alguma ação
pré-determinada.
Ambiente de desenvolvimento
Tegra Android Developer 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.
Construção do protótipo
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
Controle manual
Detecção de Linha por Cor
Detecção da Pista
Detecção de Circulo por Cor
Funcionamento da Aplicação
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.
Resultados do Controle
Autônomo
Resultados do Controle
Autônomo
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 lane detection 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, Automatic Guided Vehicle. 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. Disponível em:
<http://amser.hsweingarten.de/cms/administrator/components/com_intranet/uploads/paper/70/pa_c
ubek.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)