Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/48860
Type: | Dissertação |
Title: | Exploração autônoma de ambientes baseada em ganho de informação |
Authors: | Jhielson Montino Pimentel |
First Advisor: | Douglas Guimarães Macharet |
First Co-advisor: | Mario Fernando Montenegro Campos |
metadata.dc.contributor.advisor-co2: | Armando Alves Neto |
First Referee: | Luiz Chaimowicz |
Second Referee: | Mario Sergio Ferreira Alvim Junior |
Abstract: | A exploração de ambientes desconhecidos usando robôs móveis e autônomos é essencial em diferentes aplicações reais, como na busca e resgate de vítimas após catástrofes. Isso devido à capacidade de atuação desses robôs em regiões desconhecidas mesmo quando desprovidos da intervenção humana. O principal objetivo dessa tarefa consiste em cobrir eficientemente o ambiente e construir um mapa completo e preciso. Contudo, diferentes aplicações podem demandar diferentes estratégias de exploração. A estratégia mais simples é a abordagem gulosa que busca visitar sempre as regiões mais próximas sem considerar uma redução significante da incerteza do mapa. Nesse trabalho, foram propostas duas principais contribuições para a tarefa de exploração autônoma. Primeiro, foi elaborada uma nova abordagem para predição das regiões além das fronteiras através da análise das estruturas locais no mapa. Assim, pode ser definido o ganho estimado usando a entropia de Shanon para cada fronteira candidata a destino. Em seguida, a segunda contribuição foi desenvolvida com o objetivo de criar um planejamento unificado permitindo a identificação dos melhores destinos em conjunto com a criação das próprias rotas de navegação. A metodologia foi avaliada através de vários experimentos em um ambiente simulado, mostrando que a abordagem proposta é mais rápida que o método clássico de exploração conhecido como Exploração pelas Fronteiras Mais Próximas (NFE). |
Abstract: | The exploration of unknown environments using autonomous mobile robots is essential for different applications, for example, search and rescue missions after natural disasters. This is due to the performance capability of these robots in unknown environments even when the human intervention is deprived. The main objective of this task is to efficiently transverse the environment and build a complete and accurate map. However, different applications may demand different exploration strategies. The simplest strategy is a greedy approach which visits the closest frontier without considering whether it will yield a significant reduction in map uncertainty. In this dissertation, we proposed two main contributions. First, we elaborated a novel method to predict information beyond the candidate frontiers by analysing the local structures in a building map. In this way, it turns out possible to estimate the information gain of each frontier candidate to be the next destination using Shanon entropy. Afterwards, the second contribution was developed with the intention to create a unified planning which allows the robot to identify the best destinations and, at the same time, its own paths. The methodology was evaluated through several experiments in a simulated environment, showing that our exploration approach is better suited for rapid exploration than the classic Near-Frontier Exploration (NFE). |
Subject: | Computação - Teses Exploração autônoma Predição (Lógica) Entropia (Teoria da informação) Ganho de informação |
language: | por |
metadata.dc.publisher.country: | Brasil |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
metadata.dc.publisher.department: | ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO |
metadata.dc.publisher.program: | Programa de Pós-Graduação em Ciência da Computação |
Rights: | Acesso Aberto |
metadata.dc.rights.uri: | http://creativecommons.org/licenses/by-nc-nd/3.0/pt/ |
URI: | http://hdl.handle.net/1843/48860 |
Issue Date: | 20-Oct-2016 |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
JhielsonPimentel.pdf | 8.44 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License