Robot Móvil Autónomo Implementado en LEGO EV3 Integrado con Raspberry Pi para Utilizar Algoritmos de Control de Visión Basados en Android para la Interacción Humano-Máquina
Autores: León Araujo, Hernando; Gulfo Agudelo, Jesús; Crawford Vidal, Richard; Ardila Uribe, Jorge; Remolina, John Freddy; Serpa-Imbett, Claudia; López, Ana Milena; Patiño Guevara, Diego
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Robot Móvil Autónomo Implementado en LEGO EV3 Integrado con Raspberry Pi para Utilizar Algoritmos de Control de Visión Basados en Android para la Interacción Humano-Máquina
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Aplicaciones robóticas
Desafíos
Detección de minas
Apoyo a la agricultura
Industria 4.0
Decisión autónoma
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
Las aplicaciones robóticas, como los programas educativos, son bien conocidas. No obstante, existen desafíos para ser implementados en otros entornos, por ejemplo, la detección de minas, el apoyo a la agricultura y las tareas para la industria 4.0. El principal desafío consiste en operaciones robóticas apoyadas por decisiones autónomas utilizando la extracción de características basadas en sensores. Se implementó un prototipo de robot ensamblado con piezas mecánicas de un kit robótico LEGO MINDSTORMS EV3 y una Raspberry Pi controlada a través de algoritmos de servo de enfoques de visión 2D y 2D1/2 para abordar este desafío. Este diseño está respaldado por simulaciones basadas en imágenes, posiciones y un esquema híbrido para controladores de servo visual. La implementación práctica se opera utilizando navegación guiada por algoritmos de control de servo visual basados en imágenes, integrados en una Raspberry Pi que utiliza un criterio de control basado en la evolución del error para calcular la diferencia entre una imagen objetivo y la imagen detectada. Las imágenes son recolectadas por una cámara instalada en una plataforma robótica móvil operada manual y automáticamente, controlada mediante la Raspberry Pi. Aquí se muestra una aplicación de Android para ver las imágenes mediante transmisión de video, utilizando un teléfono inteligente y un video relacionado con la operación del robot implementado. Este tipo de robot podría ser utilizado para completar tareas reactivas en el campo en los entornos mencionados anteriormente, ya que los enfoques de detección y control permiten una guía autónoma.
Descripción
Las aplicaciones robóticas, como los programas educativos, son bien conocidas. No obstante, existen desafíos para ser implementados en otros entornos, por ejemplo, la detección de minas, el apoyo a la agricultura y las tareas para la industria 4.0. El principal desafío consiste en operaciones robóticas apoyadas por decisiones autónomas utilizando la extracción de características basadas en sensores. Se implementó un prototipo de robot ensamblado con piezas mecánicas de un kit robótico LEGO MINDSTORMS EV3 y una Raspberry Pi controlada a través de algoritmos de servo de enfoques de visión 2D y 2D1/2 para abordar este desafío. Este diseño está respaldado por simulaciones basadas en imágenes, posiciones y un esquema híbrido para controladores de servo visual. La implementación práctica se opera utilizando navegación guiada por algoritmos de control de servo visual basados en imágenes, integrados en una Raspberry Pi que utiliza un criterio de control basado en la evolución del error para calcular la diferencia entre una imagen objetivo y la imagen detectada. Las imágenes son recolectadas por una cámara instalada en una plataforma robótica móvil operada manual y automáticamente, controlada mediante la Raspberry Pi. Aquí se muestra una aplicación de Android para ver las imágenes mediante transmisión de video, utilizando un teléfono inteligente y un video relacionado con la operación del robot implementado. Este tipo de robot podría ser utilizado para completar tareas reactivas en el campo en los entornos mencionados anteriormente, ya que los enfoques de detección y control permiten una guía autónoma.