000077714 001__ 77714
000077714 005__ 20190226114806.0
000077714 037__ $$aTAZ-TFG-2018-2509
000077714 041__ $$aspa
000077714 1001_ $$aMoya Raso, Víctor José
000077714 24200 $$aMap building including recognised objects from a Raspberry Pi based robot
000077714 24500 $$aConstrucción de un mapa incluyendo objetos reconocidos desde un robot basado en Raspberry Pi
000077714 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2018
000077714 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000077714 520__ $$aEl presente trabajo se centra en el estudio de las posibilidades de llevar a cabo tareas realizadas por robots que integran hardware de alta gama, en una plataforma robótica de bajo coste. De esta forma se podría implementar el estudio de dichas tareas en asignaturas impartidas en la Universidad de Zaragoza. El proyecto consta de varias fases, tal como se describe en la presente memoria. En primer lugar, se aborda la selección del hardware de acuerdo al objetivo de elaborar una plataforma robótica de bajo coste y con el conocimiento de las necesidades requeridas para llevar a cabo las tareas pretendidas. De acuerdo con el hardware seleccionado se escoge el software apropiado que permitirá la realización de las tareas. Para llevar a cabo el proyecto se hace uso de ROS, un entorno de trabajo ampliamente utilizado en proyectos robóticos, debido a que permite el desarrollo de aplicaciones de forma modular a la vez que facilita la reutilización de software y la integración del hardware. La segunda parte del proyecto consiste en el estudio de los métodos necesarios para llevar a cabo las tareas del proyecto. Las distintas tareas se plantean individualmente pero juntas conforman la aplicación final elaborada en el trabajo. Dichas tareas abordan el cálculo de la odometría, la construcción de un mapa del entorno con localización del robot respecto del mapa (SLAM) y la localización de vehículos en el mapa elaborado. En la parte final de la memoria se describe la evaluación y validación detallada de todos los módulos del proyecto: evaluar los errores de odometría obtenidos, el rendimiento de la plataforma robótica durante la realización de la aplicación, la precisión en la elaboración del mapa y la tasa de acierto en la detección de vehículos. Mediante estos análisis se ha comprobado que la odometría solo puede ser utilizada de forma complementaria a otros sensores debido al error procedente de la misma. Una conclusión importante de los experimentos es que se ha verificado el correcto funcionamiento de Raspberry Pi 3 al ejecutar varias tareas en ROS de manera simultánea, con la excepción de los riesgos procedentes de una excesiva temperatura, la cual debe ser controlada. Por otra parte, se ha concluido que GMapping presenta una mayor precisión en la construcción del mapa respecto a Cartographer. Sin embargo, Cartographer muestra menores exigencias de cómputo del procesador, por lo que se requiere menos tiempo para la ejecución de la tarea de SLAM. Por último, se ha entrenado y evaluado el clasificador AdaBoost basado en Haar features, destinado a la detección de vehículos en el entorno de experimentación, y se ha integrado con el resto del sistema para anotar el mapa con las posiciones donde se han ido detectando los coches.
000077714 521__ $$aGraduado en Ingeniería Electrónica y Automática
000077714 540__ $$aDerechos regulados por licencia Creative Commons
000077714 700__ $$aMurillo Arnal, Ana Cristina$$edir.
000077714 700__ $$aTardioli, Danilo$$edir.
000077714 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cIngeniería de Sistemas y Automática
000077714 8560_ $$f530412@celes.unizar.es
000077714 8564_ $$s13749588$$uhttps://zaguan.unizar.es/record/77714/files/TAZ-TFG-2018-2509.pdf$$yMemoria (spa)
000077714 909CO $$ooai:zaguan.unizar.es:77714$$pdriver$$ptrabajos-fin-grado
000077714 950__ $$a
000077714 951__ $$adeposita:2019-02-26
000077714 980__ $$aTAZ$$bTFG$$cEINA
000077714 999__ $$a20180628222421.CREATION_DATE