Resumen

La estimación de la posición en interiores es esencial para la navegación; sin embargo, es una tarea desafiante principalmente debido a los entornos interiores (a) alta relación señal a ruido y (b) baja tasa de muestreo y (c) cambios repentinos en los entornos. Este artículo utiliza un algoritmo de filtro híbrido para el sistema de posicionamiento en interiores para la navegación de robots, integrando el algoritmo de Filtro de Partículas (PF) y el algoritmo de filtro de Respuesta al Impulso Finita (FIR) para asegurar la continuidad de la solución de posicionamiento. Adicionalmente, se utiliza el algoritmo Hector Simultaneous Localisation and Mapping (Hector SLAM) para mapear el entorno y mejorar la precisión de la navegación. El artículo implementa el algoritmo híbrido que utiliza el PF integrado, FIR y Hector SLAM, utilizando un sensor de escáner láser incrustado. El algoritmo híbrido acoplado con Hector SLAM se prueba en varios escenarios para evaluar el rendimiento del sistema, en términos de continuidad y precisión de la estimación de la posición, y se compara con sistemas similares. Los escenarios en los que se prueba el sistema incluyen la reducción de las lecturas del sensor láser (baja tasa de muestreo), entornos dinámicos (cambio en la ubicación de los obstáculos) y la situación del robot secuestrado. Los resultados muestran que el sistema proporciona una precisión y continuidad de la estimación de la posición significativamente mejores en todos los escenarios, incluso en comparación con sistemas híbridos similares, excepto cuando hay un ruido alto y constante, donde el rendimiento del filtro híbrido y el PF simple parecen casi iguales.

• Materias:Robot humanoide Sistema de inferencia Fusión de filtro Navegación Programación
• Subjects:Humanoid robot Inference system Filter fusion Navigation Programming
• Palabras claves:Estimación de la posición en interiores; Navegación; Algoritmo de filtro híbrido; Filtro de partículas; Respuesta a impulsos finitos; Hector SLAM
• Keywords:Indoor position estimation; Navigation; Hybrid filter algorithm; Particle Filter; Finite Impulse Response; Hector SLAM