Diseño e implementación de algoritmos de evitación de obstáculos para un vehículo autónomo

92 Pages·2017·6.83 MB·Spanish

by  Patricia Arguimbau Guarinos

Curso Académico:

Agradecimientos
Agradecer hoy y siempre a mi familia, en especial a mis padres y mi hermano por haberme
brindado siempre su apoyo, por con(cid:28)ar en mis posibilidades y entenderme. Sobretodo por sus
buenos consejos y su constante motivaci(cid:243)n para poder (cid:28)nalizar este trabajo y enseæarme a dar
siempre lo mejor de m(cid:237) cueste lo que cueste, pero mÆs que nada por su amor y con(cid:28)anza
en todo momento.
Quiero agradecer a mi tutor, y sobretodo en especial a mis cotutores de la Universidad de les
Illes Balears ya que sin ellos no hubiese sido posible la realizaci(cid:243)n de este Trabajo Final de
MÆster. Gracias a ellos que me han orientado, apoyado y corregido en esta labor.
Finalmente quiero agradecer a mis amigos, sin dejar a nadie en el olvido, por estar ah(cid:237)
siempre que os he necesitado y brindarme vuestra ayuda incondicional. Muy especialmente
gracias a la persona que me ha hecho tener una permanente sonrisa durante todos los
d(cid:237)as de la recta (cid:28)nal de este trabajo.
Gracias a todos.
iii

Resumen
Los comportamientos y estrategias de evitaci(cid:243)n de obstÆculos son una pieza esencial dentro de
la arquitectura de control de cualquier robot m(cid:243)vil. Su funci(cid:243)n es evitar que el robot colisione
con elementos de su entorno, a partir de los datos proporcionados por uno o varios sensores.
En rob(cid:243)tica terrestre o aØrea, actualmente los sensores de referencia para evitaci(cid:243)n de obstÆculos
son(cid:243)pticoscomocÆmarasolÆseres.Encambio,enelentornosubmarino,lossensoresmÆsusados
sonacœsticoscomolossonares,dadasumayordistanciaoperativaapesardesumenorresoluci(cid:243)n
espacial y temporal.
En este Trabajo de Fin de MÆster se plantea la simulaci(cid:243)n de un s(cid:243)nar de imagen de barrido
mecÆnicoparaunaposteriorimplementaci(cid:243)ndeunalgoritmodedetecci(cid:243)ndeobstÆculosjuntoun
algoritmo de evitaci(cid:243)n para un veh(cid:237)culo submarino aut(cid:243)nomo (AUV). Concretamente, se usarÆ
el veh(cid:237)culo AUV Turbot Sparus II junto un sonar Miniking de Tritech. La arquitectura del robot
estÆ implementada en ROS (Robot Operating System), por lo que todo el desarrollo se realizarÆ
en este entorno. Es importante remarcar que s(cid:243)lo se considerarÆ la evitaci(cid:243)n de obstÆculos en
2D, es decir, el veh(cid:237)culo s(cid:243)lo maniobrarÆ en un plano horizontal, paralelo a la super(cid:28)cie del agua.
Las pruebas realizadas permitirÆn analizar el comportamiento de la plataforma en entornos
simulados de complejidad variable y controlada. A partir de los resultados obtenidos, se podrÆ
reutilizar todo lo aprendido en detecci(cid:243)n y evitaci(cid:243)n de obstÆculos en plataformas reales para as(cid:237)
tener un mayor conocimiento del comportamiento en un entorno real como el ocØano.
Palabras Clave: AUV, detecci(cid:243)n, evitaci(cid:243)n, navegaci(cid:243)n aut(cid:243)noma.
v

Resum
ElscomportamentsiestratŁgiesd’evitaci(cid:243)d’obstacless(cid:243)nunape(cid:231)aessencialdinsdel’arquitectura
de control de qualsevol robot m(cid:242)bil. La seva funci(cid:243) Øs evitar que el robot col·lisioni amb elements
del seu entorn, a partir de les dades proporcionades per un o diversos sensors.
En rob(cid:242)tica terrestre o aŁria, actualment els sensors de referŁncia per evitaci(cid:243) d’obstacles s(cid:243)n
(cid:242)ptics com les c(cid:224)meres o els l(cid:224)sers. En canvi, en l’entorn submar(cid:237), els sensors mØs utilitzats s(cid:243)n
acœsticscomelssonars,donadalasevamajordist(cid:224)nciaoperativamalgratlasevamenorresoluci(cid:243)
espacial i temporal.
En aquest Treball de Fi de M(cid:224)ster es planteja la simulaci(cid:243) d’un sonar d’imatge d’escombrat
mec(cid:224)nicperaunaposteriorimplementaci(cid:243)d’unalgoritmededetecci(cid:243)d’obstaclesjuntamentamb
un algoritme d’evitaci(cid:243) per a un vehicle submar(cid:237) aut(cid:242)nom (AUV). Concretament, es far(cid:224) servir
el vehicle AUV Turbot Sparus II amb un sonar Miniking de Tritech. L’arquitectura del robot
est(cid:224)implementadaenROS(RobotOperatingSystem),demaneraquetoteldesenvolupamentes
realitzar(cid:224)enaquestentorn.(cid:201)simportantremarcarquenomØsesconsiderar(cid:224)l’evitaci(cid:243)d’obstacles
en 2D, Øs a dir, el vehicle nomØs maniobrar(cid:224) en un pla horitzontal, paral·lel a la superf(cid:237)cie de
l’aigua.
Lesprovesrealitzadespermetrananalitzarelcomportamentdelaplataformaenentornssimulats
de complexitat variable i controlada. A partir dels resultats obtinguts, es podr(cid:224) reutilitzar tot
l’aprŁsendetecci(cid:243)ievitaci(cid:243)d’obstaclesenplataformesreals,peraix(cid:237)tenirunmajorconeixement
del comportament en un entorn real com l’oce(cid:224).
Paraules clau: AUV, detecci(cid:243), evitaci(cid:243), navegaci(cid:243) aut(cid:242)noma.
vii

Abstract
Obstacle avoidance behaviors and strategies are an essential part of the control architecture of
any mobile robot. Their function is to prevent the robot from colliding with elements of its
environment, from the data provided by one or several sensors.
In terrestrial or aerial robotics, currently the reference sensors for obstacle avoidance are optical
like cameras or lasers. On the other hand, in the underwater environment, the most used sensors
are acoustic like sonars, given their greater operational distance despite their lower spatial and
temporal resolution.
In this Master’s Thesis, we propose the simulation of a mechanical imaging sonar for a later
implementation of an obstacle detection algorithm together with an avoidance algorithm for an
autonomous underwater vehicle (AUV). Speci(cid:28)cally, the AUV Turbot Sparus II vehicle will be
used together with a Tritech Miniking sonar. The architecture of the robot is implemented in
ROS (Robot Operating System), so all the development will be done in this environment. It is
important to note that only obstacle avoidance in 2D will be considered, that is, the vehicle will
only maneuver in a horizontal plane, parallel to the surface of the water.
Thetestscarriedoutwillallowtoanalyzethebehavioroftheplatforminsimulatedenvironments
of variable and controlled complexity. From the results obtained, it can be reused everything
learned in detection and obstacle avoidance in real platforms in order to have a better knowledge
of the behavior in a real environment such as the ocean.
Keywords: AUV, detection, avoidance, autonomous navigation.
ix