SciELO - Scientific Electronic Library Online

 
 issue73classification of cloud masses from weather imagery using machine learning algorithmsOn the implementation of adaptive multiresolution spectral WENO scheme for the multiclass Lighthill-Whitham-Richards traffic model author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Revista Facultad de Ingeniería Universidad de Antioquia

Print version ISSN 0120-6230

Abstract

IQBAL, Jamshed; REHMAN-SAAD, Misbahur; MALIK, Ahsan  and  MAHMOOD- TAHIR, Ahmad. Técnica de estimación de estado para vehículos robóticos planetarios. Rev.fac.ing.univ. Antioquia [online]. 2014, n.73, pp.58-68. ISSN 0120-6230.

Dados los largos tiempos de recorrido y las severas limitaciones medioambientales en un planeta como Marte, ahora la única opción factible es observar y explorar el planeta a través de vehículos planetarios más sofisticados. Para lograr los objetivos de misiones cada vez más ambiciosas bajo tales condiciones extremas, los vehículos deben tener autonomía. Una mayor autonomía, obviamente, depende de la calidad de estimaciones del estado del vehículo, por ejemplo, su posición y su orientación relativa a un punto de referencia inicial. Esta investigación presenta un método de estimación de estado basado en el Filtro Extendido Kalman (EKF) para combinar la distancia de la odometría y la orientación dada por Unidad de Medida Inercial (IMU), y atenuando así los errores generados por el uso individual de cualquier de estos sistemas. Para simular un método basado en sensores solares para correcciones absolutas, se usó un compás magnético para dar datos absolutos de las actualizaciones de dirección. La técnica fue implementada en MotherBot, un vehículo especialmente diseñado con dirección deslizante. Los resultados experimentales validaron la aplicación de la estrategia de estimación propuesta. Se mostró un rango de error dentro del 3% de la distancia recorrida en comparación con un error aproximado del 8% obtenido de la combinación directa.

Keywords : Vehículos móviles; estimación de estado; exploración planetaria; Filtro Extendido de Kalman.

        · abstract in English     · text in English     · English ( pdf )