Fusión Borrosa de Estimadores para Aplicaciones de Control Basado en Imagen

Abstract

[ES] El control visual es una disciplina de gran actualidad dentro del control de robots, y dentro de ésta, los algoritmos de predicción se usan para estimar la localización de objetos o características visuales proporcionadas por un sensor con retardo (cámara). Algunos de los algoritmos más utilizados son: el filtro de Kalman; los filtros alpha-beta/gamma; el AKF; el SKF; etc. El mayor problema de algunos de ellos es conseguir que su implementación permita trabajar en aplicaciones con fuertes restricciones temporales o de tiempo real. En este artículo se presenta un nuevo método de predicción, denominado FMF, basado en la fusión o combinación borrosa de varios filtros, y por tanto con un alto coste computacional. En el artículo se estudia a través de simulación la mejora obtenida con la predicción del FMF respecto a los filtros individuales, lo que justifica su interés. Así mismo, se desarrolla su implementación de tiempo real en una FPGA empleando técnicas de paralelización y segmentado. La viabilidad, robustez y fiabilidad del algoritmo propuesto se ha comprobado mediante una aplicación experimental de control visual.

[EN] Vision-based control is an important issue in robotics, and for this task, motion prediction algorithms are used to estimate the location of targets or visual features given by a camera. Some of the most extended filters are: Kalman filter; alpha-beta/gamma filters; AKF; SKF; etc. but only some of them are considered as real-time filters in the bibliography. In this paper, a real-time implementation of a new complex filter (called FMF) is presented, which can be used in applications with strong time requirements providing a better prediction. For this purpose, a FPGA device, parallelization and pipelining techniques are used to accomplish time requirements. The viability, robustness and feasibility of the proposed filter are validated in an experimental vision-based control application.