Navegación autónoma en entornos dinámicos mediante SLAM
54 páginas
- Autores:
-
Jaramillo Gaviria, Diego Alejandro
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/6911
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/6911
- Palabra clave:
- Navegación autonoma
Autonomous navigation
SLAM
Navegación reactiva
Detección de obstáculos
RGB-D
obstacle detection
LiDAR
ROS2
- Rights
- openAccess
- License
- Derechos Reservados - Universidad EIA, 2024
| id |
REIA2_e23cba49853108ae908a17bfa9e46de1 |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/6911 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Navegación autónoma en entornos dinámicos mediante SLAM |
| title |
Navegación autónoma en entornos dinámicos mediante SLAM |
| spellingShingle |
Navegación autónoma en entornos dinámicos mediante SLAM Navegación autonoma Autonomous navigation SLAM Navegación reactiva Detección de obstáculos RGB-D obstacle detection LiDAR ROS2 |
| title_short |
Navegación autónoma en entornos dinámicos mediante SLAM |
| title_full |
Navegación autónoma en entornos dinámicos mediante SLAM |
| title_fullStr |
Navegación autónoma en entornos dinámicos mediante SLAM |
| title_full_unstemmed |
Navegación autónoma en entornos dinámicos mediante SLAM |
| title_sort |
Navegación autónoma en entornos dinámicos mediante SLAM |
| dc.creator.fl_str_mv |
Jaramillo Gaviria, Diego Alejandro |
| dc.contributor.advisor.none.fl_str_mv |
Aristizábal Gómez, Luis Miguel |
| dc.contributor.author.none.fl_str_mv |
Jaramillo Gaviria, Diego Alejandro |
| dc.subject.proposal.spa.fl_str_mv |
Navegación autonoma Autonomous navigation SLAM Navegación reactiva Detección de obstáculos |
| topic |
Navegación autonoma Autonomous navigation SLAM Navegación reactiva Detección de obstáculos RGB-D obstacle detection LiDAR ROS2 |
| dc.subject.proposal.eng.fl_str_mv |
RGB-D obstacle detection LiDAR ROS2 |
| description |
54 páginas |
| publishDate |
2024 |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2025-01-27T15:57:03Z |
| dc.date.available.none.fl_str_mv |
2025-01-27T15:57:03Z |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/6911 |
| url |
https://repository.eia.edu.co/handle/11190/6911 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
Derechos Reservados - Universidad EIA, 2024 |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Derechos Reservados - Universidad EIA, 2024 Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad EIA |
| dc.publisher.program.none.fl_str_mv |
Ingeniería Mecatrónica |
| dc.publisher.faculty.none.fl_str_mv |
Escuela de Ingeniería y Ciencias Básicas |
| dc.publisher.place.none.fl_str_mv |
Envigado (Antioquia, Colombia) |
| publisher.none.fl_str_mv |
Universidad EIA |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/52c68fd9-1b3c-485d-b4e7-49dc45887b1f/download https://repository.eia.edu.co/bitstreams/e68a0c25-90e6-4342-a757-a4fa002fc69e/download https://repository.eia.edu.co/bitstreams/c34e9de0-6de2-4ec0-af90-3a8753869fc0/download https://repository.eia.edu.co/bitstreams/427a8419-0704-4bc5-8c89-f76a85edf6a7/download |
| bitstream.checksum.fl_str_mv |
ce080242267679dd3d08e9ce3c3d6044 2264fce645ac2952653ce3f3b8fa781e 8f5e6e95e32169a668d7d37224d5c1ae 6cea8f44d66b7cd158ddeb49584e0efb |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1828317389079445504 |
| spelling |
Aristizábal Gómez, Luis MiguelJaramillo Gaviria, Diego Alejandro2025-01-27T15:57:03Z2025-01-27T15:57:03Z2024https://repository.eia.edu.co/handle/11190/691154 páginasRESUMEN: La investigación aborda el problema de la navegación autónoma en entornos industriales dinámicos, donde los robots móviles enfrentan dificultades para adaptarse a cambios inesperados en el entorno y evitar colisiones, lo que compromete la seguridad y la eficiencia operativa. Aunque los sistemas de navegación tradicionales utilizan sensores como LiDAR y cámaras, su capacidad para adaptarse a entornos cambiantes es limitada. Este trabajo explora la implementación de un sistema que integra sensores avanzados y algoritmos de SLAM (Simultaneous Localization and Mapping) para mejorar la percepción del entorno y la navegación autónoma. Para abordar este problema, se desarrolló una plataforma robótica basada en un carro con dirección tipo Ackermann equipado con un sensor LiDAR RPLIDAR A1M8 y una cámara de profundidad Intel RealSense D435i. La integración se llevó a cabo utilizando ROS2, que permitió la gestión y sincronización de sensores y actuadores. Se implementó el algoritmo SLAM Toolbox en modo asíncrono para la localización y mapeo en tiempo real. Adicionalmente, se desarrollaron algoritmos de detección y seguimiento de obstáculos mediante clusterización de nubes de puntos y técnicas de filtrado. Para la planificación de rutas, se utilizó el algoritmo A* y se integró con un controlador Pure Pursuit y PID para el seguimiento preciso de la trayectoria. Los hallazgos principales demostraron que la integración de sensores LiDAR y cámaras de profundidad permite al robot detectar y evitar obstáculos dinámicos de manera eficiente, mejorando la capacidad de adaptarse a cambios en el entorno. El sistema logró actualizar el mapa en tiempo real, replantear rutas y mantener la estabilidad y precisión en la navegación, incluso en escenarios impredecibles. Las pruebas realizadas en un entorno controlado confirmaron la efectividad del sistema para evitar colisiones y adaptarse a obstáculos nuevos, superando las limitaciones de enfoques basados en SLAM básico. Esta solución proporciona un avance significativo en la seguridad y eficiencia de la navegación autónoma, sentando bases para aplicaciones futuras en entornos industriales y de servicios.ABSTRACT: This research addresses the challenge of autonomous navigation in dynamic industrial environments, where mobile robots face difficulties adapting to unexpected changes and avoiding collisions, compromising operational safety and efficiency. Traditional navigation systems using LiDAR sensors and cameras often have limited adaptability to changing environments. This study explores the implementation of a system that integrates advanced sensors and SLAM (Simultaneous Localization and Mapping) algorithms to enhance environmental perception and autonomous navigation. To tackle this issue, a robotic platform based on an Ackermann-type vehicle was developed, equipped with an RPLIDAR A1M8 sensor and an Intel RealSense D435i depth camera. The integration was carried out using ROS2, enabling efficient management and synchronization of sensors and actuators. The SLAM Toolbox algorithm was implemented in asynchronous mode for real-time mapping and localization. Additionally, obstacle detection and tracking algorithms were developed using point cloud clustering and filtering techniques. The A* algorithm was employed for path planning, integrated with a Pure Pursuit and PID controller for precise path tracking. The main findings demonstrated that integrating LiDAR and depth cameras allows the robot to detect and avoid dynamic obstacles effectively, enhancing its ability to adapt to environmental changes. The system successfully updated the map in real-time, replanned routes, and maintained stability and precision in navigation, even in unpredictable scenarios. Controlled environment tests confirmed the system's effectiveness in avoiding collisions and adapting to new obstacles, overcoming the limitations of basic SLAM approaches. This solution significantly improves the safety and efficiency of autonomous navigation, laying a foundation for future applications in industrial and service settings.PregradoIngeniero(a) Mecatrónico(a)application/pdfspaUniversidad EIAIngeniería MecatrónicaEscuela de Ingeniería y Ciencias BásicasEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2024Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Navegación autónoma en entornos dinámicos mediante SLAMTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85Navegación autonomaAutonomous navigationSLAMNavegación reactivaDetección de obstáculosRGB-Dobstacle detectionLiDARROS2PublicationORIGINALJaramilloDiego_2024_NavegacionAutonomaEntornos.pdfJaramilloDiego_2024_NavegacionAutonomaEntornos.pdfTrabajo de gradoapplication/pdf1635259https://repository.eia.edu.co/bitstreams/52c68fd9-1b3c-485d-b4e7-49dc45887b1f/downloadce080242267679dd3d08e9ce3c3d6044MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82553https://repository.eia.edu.co/bitstreams/e68a0c25-90e6-4342-a757-a4fa002fc69e/download2264fce645ac2952653ce3f3b8fa781eMD56TEXTJaramilloDiego_2024_NavegacionAutonomaEntornos.pdf.txtJaramilloDiego_2024_NavegacionAutonomaEntornos.pdf.txtExtracted texttext/plain93768https://repository.eia.edu.co/bitstreams/c34e9de0-6de2-4ec0-af90-3a8753869fc0/download8f5e6e95e32169a668d7d37224d5c1aeMD57THUMBNAILJaramilloDiego_2024_NavegacionAutonomaEntornos.pdf.jpgJaramilloDiego_2024_NavegacionAutonomaEntornos.pdf.jpgGenerated Thumbnailimage/jpeg6443https://repository.eia.edu.co/bitstreams/427a8419-0704-4bc5-8c89-f76a85edf6a7/download6cea8f44d66b7cd158ddeb49584e0efbMD5811190/6911oai:repository.eia.edu.co:11190/69112025-01-27 11:00:36.705open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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 |