Please use this identifier to cite or link to this item:
http://www.monografias.ufop.br/handle/35400000/8962| Title: | Mapeamento de trajetória com robô seguidor de linha utilizando sensores de velocidade, giroscópios e acelerômetros. |
| Authors: | Fagundes, Laryssa Aparecida Gomes |
| metadata.dc.contributor.advisor: | Rêgo Segundo, Alan Kardek Rocha, Filipe Augusto Santos |
| metadata.dc.contributor.referee: | Almeida, Sílvia Grasiella Moreira Almeida, André Luís Barroso de Rêgo Segundo, Alan Kardek Rocha, Filipe Augusto Santos |
| Keywords: | Robótica móvel Odometria Navegação inercial Mapeamento de trajetória Filtro de Kalman extendido |
| Issue Date: | 2026 |
| Citation: | FAGUNDES, Laryssa Aparecida Gomes. Mapeamento de trajetória com robô seguidor de linha utilizando sensores de velocidade, giroscópios e acelerômetros. 2026. 49. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2026. |
| Abstract: | A estimativa precisa de localização representa um dos principais desafios na robótica móvel, especialmente em ambientes internos, onde sistemas de posicionamento global não estão disponíveis. Métodos de navegação relativa, como a odometria e os Sistemas de Navegação Inercial (INS), são amplamente utilizados, porém apresentam limitações decorrentes do acúmulo progressivo de erros ao longo do tempo. Nesse contexto, este trabalho tem como objetivo investigar e implementar métodos de reconstrução de trajetória em um robô seguidor de linha, utilizando dados de sensores de velocidade, giroscópios e acelerômetros. A estimativa da trajetória foi processada e analisada sob três abordagens distintas: odometria, INS e a combinação de ambas por meio de um Filtro de Kalman Estendido (EKF). Os resultados experimentais demonstraram que a odometria isolada apresenta deslocamento lateral e rotação do eixo principal em decorrência de erros angulares cumulativos. Já a INS pura diverge significativamente da trajetória real devido ao erro crescente associado à dupla integração de ruídos. Em contrapartida, a combinação das técnicas via EKF apresentou desempenho superior, reduzindo as deficiências individuais de cada método e proporcionando uma representação geométrica mais consistente com o percurso efetivamente realizado. |
| metadata.dc.description.abstracten: | Accurate localization estimation represents one of the main challenges in mobile robotics, especially in indoor environments where global positioning systems are not available. Relative navigation methods, such as odometry and Inertial Navigation Systems (INS), are widely used; however, they present limitations due to the progressive accumulation of errors over time. In this context, this work aims to investigate and implement trajectory reconstruction methods in a line-following robot using data from velocity sensors, gyroscopes, and accelerometers. The trajectory estimation was processed and analyzed under three distinct approaches: odometry, INS, and the combination of both through an Extended Kalman Filter (EKF). The experimental results demonstrated that standalone odometry exhibits lateral displacement and rotation of the main axis due to cumulative angular errors. Pure INS, on the other hand, significantly diverges from the actual trajectory because of the increasing error associated with the double integration of noise. In contrast, the combination of techniques via EKF showed superior performance, reducing the individual deficiencies of each method and providing a geometric representation more consistent with the path effectively traveled. |
| URI: | http://www.monografias.ufop.br/handle/35400000/8962 |
| Appears in Collections: | Engenharia de Controle e Automação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Monografia_MapeamentoTrajetoriaRobo.pdf | 3,6 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
