[ES] Uno de los aspectos esenciales en la robótica móvil es la obtención de la localización del robot
en el espacio de movimiento puesto que esto es necesario para generar los movimientos
deseados del robot. Sin embargo, ...[+]
[ES] Uno de los aspectos esenciales en la robótica móvil es la obtención de la localización del robot
en el espacio de movimiento puesto que esto es necesario para generar los movimientos
deseados del robot. Sin embargo, obtener la localización precisa no es una tarea fácil ni trivial
puesto que suelen influir varios factores: ruido o mal precisión en los sensores, deslizamientos
de las ruedas, etc. Para evitar estos problemas se puede desarrollar sistemas que mejoran la
estimación de las variables de estado de los sistemas mediante una fusión de la mayor
cantidad posible de fuentes de información (sensores).
En el presente Trabajo Fin de Grado (TFG) se va a trabajar con el desarrollo de diferentes
sistemas de fusión de datos. En concreto se van a desarrollar diversos Filtros de Kalman (KF),
que es una de las herramientas más potentes para la resolución de estos problemas. En el TFG
se abordará el diseño de KF para dos sistemas reales: un robot móvil y un sistema para la
determinación de la posición de segmentos corporales de personas.
[-]
[CA] Un dels aspectes essencials en la robòtica mòbil és l'obtenció de la localització del robot en
l'espai de moviment ja que açò és necessari per a generar els moviments desitjats del robot.
No obstant això, obtindre ...[+]
[CA] Un dels aspectes essencials en la robòtica mòbil és l'obtenció de la localització del robot en
l'espai de moviment ja que açò és necessari per a generar els moviments desitjats del robot.
No obstant això, obtindre la localització precisa no és una tasca fàcil ni trivial ja que solen
influir diversos factors: soroll o mal precisió en els sensors, lliscaments de les rodes, etc. Per a
evitar estos problemes es pot desenrotllar sistemes que milloren l'estimació de les variables
d'estat dels sistemes per mitjà d'una fusió de la major quantitat possible de fonts d'informació
(sensors).
En el present Treball Fi de Grau (TFG) se'n va a treballar amb el desenrotllament de diferents
sistemes de fusió de dades. En concret es van a desenrotllar diversos Filtres de Kalman (KF) ,
que és una de les ferramentes més potents per a la resolució d'estos problemes. En el TFG
s'abordarà el disseny de KF per a dos sistemes reals: un robot mòbil i un sistema per a la
determinació de la posició de segments corporals de persones.
[-]
[EN] One of the essential aspects in mobile robotics is to obtain the location of the robot in the
movement space, as this is necessary to generate the desired movements of the robot.
However, obtaining the exact location ...[+]
[EN] One of the essential aspects in mobile robotics is to obtain the location of the robot in the
movement space, as this is necessary to generate the desired movements of the robot.
However, obtaining the exact location is not an easy or trivial task since many factors usually
influence: noise or poor precision in the sensors, slides of the wheels, etc. To avoid these
problems, systems can be developed that improve the estimation of the state. Variables of the
systems by a fusion of the greatest possible number of sources of information (sensors).
In this Work End of Degree (TFG) will work with the development of different systems of data
fusion. Specifically, several Kalman filters (KF) will be developed, which is one of the most
powerful tools to solve these problems. In the TFG will be addressed the design of KF for two
real systems: a mobile robot and a system to determine the position of the body segments of
people.
[-]
|