Métodos de localização e mapeamento simultâneo (SLAM) - Sistemas de Navegação e Localização Engenharia da Computação

   

Métodos de Localização e Mapeamento Simultâneo (SLAM) - Sistemas de Navegação e Localização (Engenharia da Computação)

Objetivo:

Ao final desta aula, os alunos serão capazes de:

• Compreender os conceitos fundamentais do SLAM e sua importância na robótica.
• Analisar diferentes métodos de SLAM, como filtragem de Kalman, SLAM baseados em imagens e SLAM baseados em lasers.
• Identificar o método de SLAM mais adequado para uma aplicação específica.
• Implementar um método de SLAM em um sistema de robótica.
• Avaliar o desempenho do sistema SLAM e identificar possíveis problemas.

Conteúdo:

1. Introdução:

• Revisão dos conceitos básicos de robótica móvel.
• Apresentação do problema do SLAM e sua relevância na navegação autônoma.
• Exemplos de aplicações do SLAM em diferentes áreas.

2. Filtragem de Kalman:

• Princípios básicos da filtragem de Kalman para estimação de estado.
• Aplicação da filtragem de Kalman no SLAM.
• Vantagens e desvantagens da filtragem de Kalman para SLAM.

3. SLAM Baseado em Imagens:

• Utilização de imagens para a construção de mapas e estimação da pose do robô.
• Algoritmos de visão computacional para extração de características das imagens.
• Aplicações do SLAM baseado em imagens em ambientes com pouca luz ou textura.

4. SLAM Baseado em Lasers:

• Utilização de sensores LiDAR para a construção de mapas 3D.
• Algoritmos de correspondência de pontos para alinhamento de scans.
• Aplicações do SLAM baseado em lasers em ambientes fechados ou com obstáculos.

5. Seleção do Método de SLAM:

• Fatores a serem considerados na escolha do método de SLAM.
• Análise de requisitos da aplicação e recursos disponíveis.
• Comparação entre diferentes métodos de SLAM.

6. Implementação e Avaliação:

• Desenvolvimento do sistema SLAM utilizando o método escolhido.
• Simulação e testes em ambiente virtual e real.
• Análise de desempenho e identificação de pontos de melhoria.

7. Desafios e Oportunidades:

• Desenvolvimento de métodos de SLAM mais robustos e eficientes.
• Integração de diferentes sensores para aprimorar o desempenho do SLAM.
• Aumento da precisão e confiabilidade dos sistemas SLAM.

8. Atividade prática:

• Dividir a turma em grupos e distribuir um problema de SLAM para cada grupo.
• Cada grupo deve:
  • Analisar o problema e selecionar o método de SLAM mais adequado.
  • Implementar o método escolhido em um sistema de simulação.
  • Avaliar o desempenho do sistema SLAM e apresentar os resultados para a turma.
• Discussão sobre os desafios e oportunidades dos métodos de SLAM.

Recursos Adicionais:

• Livros:
  • "Simultaneous Localization and Mapping for Autonomous Robots" - Sebastian Thrun, Wolfram Burgard, Dieter Fox
  • "Probabilistic Robotics" - Sebastian Thrun, Wolfram Burgard, Dieter Fox
• Sites:
  • Sociedade Brasileira de Robótica: https://sol.sbc.org.br/index.php/sbrlars
  • RoboHub: https://robohub.org/
  • IEEE Robotics & Automation Society: http://www.ieee-ras.org/

Observações:

• Esta aula pode ser adaptada de acordo com o nível de conhecimento e interesse dos alunos.
• É importante incentivar a participação dos alunos na aula, através de perguntas, debates e atividades práticas.
• O professor deve se manter atualizado sobre as pesquisas e inovações em SLAM para fornecer aos alunos informações relevantes e precisas.

Exemplos de problemas de SLAM para a atividade prática:

• Mapear um ambiente interno, como um escritório ou uma casa.
• Navegar em um labirinto utilizando um robô móvel.
• Localizar e seguir um objeto em movimento.

Dicas para a atividade prática:

• Os alunos podem usar ferramentas de simulação como Gazebo ou Robotarium para implementar seus sistemas SLAM.
• É importante que os alunos testem seus sistemas em diferentes cenários para avaliar a robustez e a precisão do SLAM.