Implementación de un sistema de visión artificial de detección y evasión de obstáculos para un robot móvil tipo oruga

Vista sencilla de ítem
dc.contributor.advisorGonzález Acevedo, Hernando
dc.contributor.advisorRoa Prada, Sebastián
dc.contributor.apolounabRoa Prada, Sebastián [sebastián-roa-prada]spa
dc.contributor.authorGómez Silva, Leidy Daniela
dc.contributor.cvlacRoa Prada, Sebastián [295523]spa
dc.contributor.cvlacGonzález Acevedo, Hernando [0000544655]spa
dc.contributor.googlescholarRoa Prada, Sebastián [xXcp5HcAAAAJ]spa
dc.contributor.googlescholarGonzález Acevedo, Hernando [es&oi=ao]spa
dc.contributor.orcidRoa Prada, Sebastián [0000-0002-1079-9798]spa
dc.contributor.orcidGonzález Acevedo, Hernando [0000-0001-6242-3939]spa
dc.contributor.researchgateRoa Prada, Sebastián [Sebastian_Roa-Prada]spa
dc.contributor.researchgroupGrupo de Investigación Control y Mecatrónica - GICYMspa
dc.contributor.researchgroupGrupo de Investigaciones Clínicasspa
dc.contributor.scopusRoa Prada, Sebastián [24333336800]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialColombiaspa
dc.date.accessioned2023-12-07T15:30:24Z
dc.date.available2023-12-07T15:30:24Z
dc.date.issued2023-12-04
dc.degree.nameIngeniero Mecatrónicospa
dc.description.abstractEl proyecto se centra en la implementación de un avanzado algoritmo de detección de objetos, para identificar obstáculos en entornos dinámicos. Se busca mejorar la capacidad de los vehículos autónomos para interactuar con su entorno, especialmente en la detección de obstáculos a través de la visión artificial. El enfoque principal es simplificar el procesamiento de imágenes y reducir la complejidad mediante la eliminación de ruido, mejorando así la interpretación de las imágenes captadas. Este proyecto tiene aplicaciones prácticas, como la implementación en vehículos autónomos destinados a la agricultura, específicamente en el cultivo de café. La finalidad es aumentar la eficiencia en la detección y evasión de obstáculos, contribuyendo así a la mejora de la productividad y la salud de los trabajadores en el campo. El sistema propuesto se basa en visión artificial para tomar decisiones en tiempo real, generando trayectorias alternativas en caso de obstáculos. Los objetivos incluyen diseñar un sistema de visión, implementar algoritmos de evasión, simular el sistema en un ambiente virtual y validar su funcionamiento en condiciones reales en un área controlada.spa
dc.description.abstractenglishThe project focuses on the implementation of an advanced object detection algorithm to identify obstacles in dynamic environments. The aim is to improve the ability of autonomous vehicles to interact with their environment, especially in detecting obstacles through artificial vision. The main focus is to simplify image processing and reduce complexity by removing noise, thereby improving the interpretation of captured images. This project has practical applications, such as implementation in autonomous vehicles for agriculture, specifically in coffee cultivation. The purpose is to increase efficiency in the detection and evasion of obstacles, thus contributing to improving the productivity and health of workers in the field. The proposed system is based on artificial vision to make decisions in real time, generating alternative trajectories in case of obstacles. The objectives include designing a vision system, implementing evasion algorithms, simulating the system in a virtual environment, and validating its operation under real conditions in a controlled area.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontents1. INTRODUCCIÓN 6 2. JUSTIFICACIÓN 7 3. OBJETIVOS 8 3.1. OBJETIVO GENERAL 8 3.2. OBJETIVOS ESPECIFICOS 8 4. ESTADO DEL ARTE 9 5. MARCO TEÓRICO 11 5.1. APRENDIZAJE PROFUNDO 11 5.1.1. Redes Neuronales Artificiales 12 5.1.2. Algoritmo de aprendizaje automatizado 14 5.1.3. Redes Neuronales Convolucionales 14 5.1.4. Retro-propagación 18 5.2. YOLO 22 5.2.1. Arquitectura Neuronal 22 5.2.2. Procesamiento 24 5.3. ALGORITMOS DE TRAYECTORIAS 25 5.3.1. METODOS DE PLANIFICACIÓN DE TRAYECTORIAS 25 5.3.2. ALGORITMO A ESTRELLA 26 5.3.3. DESCOMPOSICIÓN EN CELDAS 27 5.3.4. RRT y RRT* 28 6. DESARROLLO Y DISEÑOS (según metodología planteada) 29 6.1. CARACTERIZACIÓN DEL ROBOT TIPO ORUGA 29 6.2. MODELO DINAMICO DEL MOTOR 29 6.2.1. DATOS MOTOR 31 6.2.2. ENCODER DE CUADRATURA 31 6.2.3. ZONA MUERTA DEL MOTOR 34 6.3. PRINCIPIO DE FUNCIONAMIENTO DE UN ROBOT DIFERENCIAL 35 6.4. MODELO CINEMÁTICO DE ROBOT DIFERENCIAL DIRECTO 36 6.5. METODO DE EULER 38 6.6. RELACIÓN DE VELOCIDADES GLOBALES CON VELOCIDADES DE LOS MOTORES 39 6.7. CARACTERIZACIÓN DEL SISTEMA DE VISIÓN ARTIFICIAL 39 6.7.1. ETIQUETADO DEL DATASET 39 6.8. SISTEMA DE GENERACIÓN DE TRAYECTORIAS 42 6.8.1. ANALISIS DEL CULTIVO 42 6.9. SOFTWARE 44 6.10. HARDWARE 44 6.11. ENTRENAMIENTO DE RED NEURONAL 45 7. RESULTADOS Y EVIDENCIAS 46 7.1. IMPLEMENTACIÓN DEL CONTROLADOR DEL ROBOT 46 7.1.1. CÁLCULO DE CONSTANTES PARA DINÁMICA DEL ROBOT 46 7.1.2. LIMITES DE SEÑALES 46 7.1.3. RESPUESTA DE CADA MOTOR EN LAZO ABIERTO 46 7.1.4. CONTROL PID CON LAMBDA EN CADA MOTOR 47 7.1.5. CONTROL PID CON SINTONIA FINA 48 7.2. ALGORITMO GENERACIÓN DE TRAYECTORIAS 48 7.2.1. CON OBSTÁCULOS MAPEADOS 49 7.2.2. CON OBSTÁCULOS SIN MAPEAR 51 7.2.3. CON OBSTRUCCIÓN TOTAL DEL PASO 52 7.3. RESULTADOS ENTRENAMIENTO RED YOLO 53 7.4. POS-PROCESAMIENTO DE RED NEURONAL 56 7.5. SISTEMA DE DETECCIÓN Y EVASIÓN DE OBSTÁCULOS 57 8. CONCLUSIONES 59 9. REFERENCIAS 59 10. ANEXOS 60spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/23082
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería Mecatrónicaspa
dc.relation.referencesReuters. (2016, 23 de agosto). Se acabaron los recolectores de café: Colombia le apunta a máquinas para su cosecha. Portafolio. Recuperado de: https://www.yoamoelcafedecolombia.com/2016/09/06/se-acabaron-los- recolectores-de-cafe-colombia-le-apunta-a-maquinas-para-su-cosecha/spa
dc.relation.referencesR.A. Tabile and R.V Sousa, A.J.V. Porto, R.Y. Inamasu, “Design and development of a mobile robotic platform for agricultural applications”,2015 IEEE, recuperado: https://ieeexplore-ieee-org.aure.unab.edu.co/stamp/stamp.jsp?tp=&arnumber=7487283 [Accessed: 04- Feb- 2020]spa
dc.relation.referencesJ. Chen, T. liu and S. Shen, "Online Generation of Collision-Free Trajectories for Quadrotor Flight in Unknown Cluttered Environments", 2016 IEEE International Conference on Robotics and Automation (ICRA), 2016. [Online]. Available: https://ieeexplore-ieee-org.aure.unab.edu.co/stamp/stamp.jsp?tp=&arnumber=7487283 . [Accessed: 04- Feb- 2020].spa
dc.relation.referencesNadal-Serrano, J., & Lopez-Vallejo, M. (2015). A Survey on Theoretical and Practical Aspects of Imaging Aids for Artificial Vision in Professional Environments. IEEE Sensors Journal. Recuperado de https://ieeexplore-ieee-org.aure.unab.edu.co/stamp/stamp.jsp?tp=&arnumber=7006655spa
dc.relation.referencesConstante, P., Gordón, A., Chang, O., Escobar, I., & Acuna, F. (2016). Artificial Vision Techniques for Strawberry's Industrial Classification. Recuperado de https://ieeexplore-ieeeorg.aure.unab.edu.co/stamp/stamp.jsp?tp=&arnumber=7555221spa
dc.relation.referencesSong, K., Chang, Y. y Chen, J. (2019). 3D Vision for Object Grasp and Obstacle Avoidance of a Collaborative Robot. Recuperado de https://ieeexplore-ieeeorg.aure.unab.edu.co/stamp/stamp.jsp?tp=&arnumber=8868694spa
dc.relation.referencesSalgado L., J. A., Solaque G., L. E. y Guillermo, S. H. (2018). Localization and Mapping in Semi-Urban Environments with Unmanned Vehicles for Agriculture-Oriented Labours. En 2018 IEEE 2nd Colombian Conference on Robotics and Automation (CCRA) (pp. 1-6). Barranquillaspa
dc.relation.referencesGoodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. Recuperado de http://www.deeplearningbook.org. MIT Pressspa
dc.relation.referencesRojas, R. (1996). Neural Networks: A Systematic Introduction. Berlin, Heidelberg: Springer-Verlag. ISBN: 3-540-60505-3.spa
dc.relation.referencesPedro Ponce, "Inteligencia Artificial con Aplicaciones a la Ingenieria- Topologia de las Redes Neuronales empleadas para reconocimiento de patrones " Enero-6-2011 Librospa
dc.relation.referencesJimenez J. Pinto R. Minami Y. Peñuelas U., “Diseño de un sistema de paro de emergencia para robot móvil”,(2010).spa
dc.relation.uriapolohttps://apolo.unab.edu.co/en/persons/sebasti%C3%A1n-roa-pradaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsAutonomus robotspa
dc.subject.keywordsMechatronicspa
dc.subject.keywordsArtificial visionspa
dc.subject.keywordsObstacle avoidancespa
dc.subject.keywordsManipulatorsspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsAgricultural developmentspa
dc.subject.keywordsInvestigation and developmentspa
dc.subject.keywordsSimulation methodsspa
dc.subject.lembMecatrónicaspa
dc.subject.lembManipuladoresspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembDesarrollo agrícolaspa
dc.subject.lembInvestigación y desarrollospa
dc.subject.lembMétodos de simulaciónspa
dc.subject.proposalVisión artificialspa
dc.subject.proposalRobots autónomosspa
dc.subject.proposalEvasión de obstáculosspa
dc.titleImplementación de un sistema de visión artificial de detección y evasión de obstáculos para un robot móvil tipo orugaspa
dc.title.translatedImplementation of an artificial vision system for obstacle detection and avoidance for a caterpillar-type mobile robotspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
Libro-ProyectoGrado(1) (1).pdf
Tamaño:
2.35 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar
Miniatura
Nombre:
h. Formato de autorización de uso por los autores.docx.pdf
Tamaño:
69.17 KB
Formato:
Adobe Portable Document Format
Descripción:
Autorización uso de autores
Descargar
Miniatura
Nombre:
i.LDGSCarta de aprobación de la Facultad.docx_firmado.pdf
Tamaño:
83.43 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta aprobación Facultad
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería Mecatrónica
Grupo de Investigaciones Clínicas
Grupo de Investigación Control y Mecatrónica - GICYM