Uso de um Espaço Inteligente Baseado em Visão Computacional para o Controle de Formação de Robôs Móveis

• Alexandre Pereira do Carmo IFES http://orcid.org/0000-0002-7219-9229
• Felippe Mendonça de Queiroz UFES http://orcid.org/0000-0001-5391-9860
• Clebeson Canuto dos Santos UFES http://orcid.org/0000-0002-7314-1934
• Leonardo de Assis Silva IFES http://orcid.org/0000-0001-5722-971X
• Raquel Frizera Vassallo UFES http://orcid.org/0000-0002-4762-3219

DOI: https://doi.org/10.5753/sbcup.2020.11223

Resumo

É sabido que usar apenas odometria na localização de robôs móveis leva a um crescente acúmulo de erro. Esse problema torna-se maior quando se busca coordenar os movimentos de mais de um robô para atuarem em formação. Sendo assim, este trabalho propõe o uso de um espaço inteligente baseado em visão computacional como uma infraestrutura de serviços para aplicações de robótica móvel, como exemplo, o controle de formação de robôs. A arquitetura baseada em microserviços e computação em nuvem oferece à aplicação flexibilidade, baixa latência e escalabilidade. Os resultados obtidos demonstram a viabilidade de se utilizar espaços inteligentes como provedor e gerenciador desse tipo de aplicação.

Palavras-chave: Ambientes Inteligentes, Odometria visual, Robótica Móvel, Controle de Formação

Referências

Almonfrey, D., do Carmo, A. P., de Queiroz, F. M., Picoreti, R., Vassallo, R. F., andSalles, E. O. T. (2018). A flexible human detection service suitable for IntelligentSpaces based on a multi-camera network.International Journal of DistributedSensor Networks, 14(3):155014771876355.

Brandao, A. S., Martins, F. N., Rampinelli, V. T. L., Sarcinelli-Filho, M., Bastos-Filho, T. F., and Carelli, R. (2009). A multi-layer control scheme for multi-robotformations with adaptive dynamic compensation. In 2009 IEEE International Conference on Mechatronics, pages 1–6.

Carmo, A. P., Vassallo, R. F., Queiroz, F. M., Picoreti, R., Fernandes, M. R.,Gomes, R. L., Martinello, M., Dominicini, C. K., Guimarães, R., Garcia, A. S.,Ribeiro, M. R. N., and Simeonidou, D. (2019). Programmable intelligent spaces for Industry 4.0: Indoor visual localization driving attocell networks.Transactionson Emerging Telecommunications Technologies, page e3610.

Ganganath, N. and Leung, H. (2012). Mobile robot localization using odometry and kinect sensor. In 2012 IEEE International Conference on Emerging Signal Processing Applications, pages 91–94. IEEE.

Lee, J.-H., Ando, N., and Hashimoto, H. (1999). Intelligent space for human and mobile robot. In Advanced Intelligent Mechatronics, 1999. Proceedings. 1999 IEEE/ASME International Conference on, pages 784–784. IEEE.

Mi, J. and Takahashi, Y. (2015). Performance analysis of mobile robot self-localization based on different configurations of RFID system. In 2015 IEEE International Conference on Advanced Intelligent Mechatronics (AIM), pages 1591–1596. IEEE.

MobileRobots, O. A. (2017). Adept mobile robots.

O’Kane, J. M. (2006). Global localization using odometry. In Robotics and Automation, 2006. ICRA 2006. Proceedings 2006 IEEE International Conference on,pages 37–42. IEEE.

Rampinelli, M., Covre, V. B., de Queiroz, F. M., Vassallo, R. F., Bastos-Filho, T. F.,and Mazo, M. (2014). An intelligent space for mobile robot localization using amulti-camera system. Sensors, 14(8):15039–15064.

R.F., B., J.P., G.-V., C.E., G.-T., D., M.-R., C., V.-R., and J., F. (2017). Evolution of indoor positioning technologies: a survey. Sensors.

Scaramuzza, D. and Fraundorfer, F. (2011). Visual odometry [tutorial]. IEEErobotics & automation magazine, 18(4):80–92.

Wang, X. (2013). Intelligent multi-camera video surveillance: A review.