Jutinico Alarcón, Andrés LeonardoVillanueva Serna, Emily AngélicaMora Cortes, Michael Steven2024-08-122024-08-122022-12-20http://hdl.handle.net/11349/39571Este proyecto de investigación se centra en desarrollar un robot terrestre de cinemática Ackerman para la navegación autónoma en exteriores, basado en técnicas de navegación de fusión sensorial, con las que se pretende llegar a un punto deseado. Estas técnicas se enfocarán en el uso de estimadores estocásticos como el filtro Kalman extendido (EKF) y algoritmos de seguimiento de trayectoria como Pure Pursuit, los cuales permitan estimar la posición del robot en tiempo real y corregir su trayectoria mientras se dirige a un punto deseado de tal manera que se minimice el error de posición final. Los sensores utilizados para la estimación de posición y orientación son: IMU (unidad de movimiento inercial), magnetómetro y encoders, los cuales proporcionan medidas relativas dependientes del movimiento. Por otro lado, los datos de los sensores, son obtenidos y procesados a través de un pequeño ordenador llamado Raspberry Pi 3 en el que a su vez se implementa por medio del lenguaje de programación Python los algoritmos para la navegación autónoma y se realiza la generación de las señales de control del actuador, para este tipo de robot el actuador usado es un servo motor que controla la dirección. Todos los componentes son montados en un chasis con cinemática Ackerman. Las pruebas se realizan en un terreno nivelado y libre de obstáculos. Finalmente, se comparan los resultados de la posición estimada por el Filtro Kalman con la posición estimada por el software Tracker, obteniendo así un prototipo capaz de alcanzar una zona objetivo de radio 60 cm en recorridos de hasta 24 m, además de estimar trayectorias con un error RMSE de hasta 0.84 m.This research project focuses on developing an Ackerman kinematic ground robot for autonomous outdoor navigation based on sensor fusion navigation techniques, which are intended to reach a desired point. These techniques will focus on the use of stochastic estimators such as the extended Kalman filter (EKF) and trajectory tracking algorithms such as Pure Pursuit, which allow estimating the robot's position in real time and correcting its trajectory while heading to a desired point in such a way that the final position error is minimized. The sensors used for position and orientation estimation are: IMU (inertial motion unit), magnetometer and encoders, which provide relative motion-dependent measurements. On the other hand, the data from the sensors are obtained and processed through a small computer called Raspberry Pi 3 which in turn is implemented through the Python programming language algorithms for autonomous navigation and the generation of the actuator control signals is performed, for this type of robot the actuator used is a servo motor that controls the direction. All components are mounted on a chassis with Ackerman kinematics. The tests are performed on a level and obstacle-free terrain. Finally, the results of the position estimated by the Kalman Filter are compared with the position estimated by the Tracker software, thus obtaining a prototype capable of reaching a target zone of radius 60 cm in paths of up to 24 m, in addition to estimating trajectories with an RMSE error of up to 0.84 m.pdfspaAttribution-NonCommercial-NoDerivatives 4.0 InternacionalAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Filtro KalmanFusión sensorialPure PursuitNavegación AutónomaRobóticabachelorThesisIngeniería Electrónica -- Tesis y disertaciones académicasRobótica móvil autónomaFusión sensorialNavegación de robotsOpenAccessKalman filterSensor fusionPure PursuitAutonomous navigationRoboticsAbierto (Texto Completo)