Aplicación de los filtros de Kalman en los sistemas de navegación autónoma
DOI:
https://doi.org/10.56183/iberotecs.v3i1.596Palavras-chave:
Filtro de Kalman, robot diferencial, espacio de estados, simulación en Python, señales aleatoriasResumo
El presente trabajo trata sobre la aplicación de los filtros de Kalman en los sistemas de navegación autónoma. En este contexto, los sistemas de navegación autónoma dependen de una variedad de sensores para recopilar información sobre el entorno y tomar decisiones en consecuencia. Sin embargo, la información que se recopila de estos sensores suele estar contaminada por ruido, errores y otros tipos de incertidumbre. Por lo tanto, se utilizan filtros de Kalman para mejorar la precisión de la información. El artículo explica cómo funciona el filtro de Kalman y cómo se aplica en los sistemas de navegación autónoma. Además, se mencionan algunas de las aplicaciones del filtro de Kalman en los sistemas de navegación autónoma, como la estimación de la posición, la velocidad y la orientación del vehículo, así como la fusión de datos de sensores para mejorar la precisión de la estimación del estado del vehículo. En general, el artículo destaca la importancia del filtro de Kalman en los sistemas de navegación autónoma para mejorar la precisión de la estimación del estado del vehículo y, por lo tanto, mejorar la seguridad y eficiencia de la navegación autónoma.
Referências
Alvarez Casadiego, N. &. (2021). Implementación de algoritmos filtro de Kalman y filtro de Partículas para localización y mapeo simultáneo aplicado a un robot móvil en ambientes interiores con variaciones de iluminación. Guayaquil - Ecuador.
Ávila, M. A. (2015). Sistema de localización autónoma para robots móviles basado en fusión de sensores propioceptivos. Revista Politécnica, 75-84.
Bravo, V. A. (2013 ). Análisis y aplicación del filtro de Kalman a una señal con ruido aleatorio. Madrid: Scientia et technica, 18(1), 267-274.
Cardona, L. C. (2008). Sistema de Navegación para vehículos no tripulados. Congreso Latinoamericano de Control Automático,, (págs. 1-9). Monterrey .
Enciso Salas, L. M. (2015). Diseño de un sistema de navegación autónomo para robots móviles usando fusión de sensores y controladores neuro difusos. PROC NAT ACAD SCI USA, 13.-18.
Font, J. M. (2006). Posicionamiento de robots móviles mediante un filtro de Kalman angular y triangulación. Información tecnológica, 17(5),, 9-14.
García Aguilar, J. (2019). Desarrollo de sistemas de navegación autónoma en interiores para un UAV. Ingeneus .
Guevara Niño, B. D. (2020)}). Posicionamiento de un automóvil en espacios reducidos utilizando un sistema de navegación inercial con filtros de kalman. Lima.
Marquetti Gómez, Y. (Doctoral dissertation, Universidad Central" Marta Abreu" de Las Villas)). Integración GPS/INS para la navegación de vehículos autónomos. Quito .
Méndez Mejía, M. (2023). Integración del filtro de Kalman a un Sistema de Posicionamiento Global (GPS) para aplicación en vehículos autónomos. Guadalajara .
Parra Tsunekawa, S. I. (2014). Generación de mapa de entorno para navegación de vehículo terrestre autónomo. Ingeneus .
Penizzotto, F. A. (2019). Sistema de control basado en fusión para la navegación autónoma de vehıculos. Bogota .
Puertas Ramírez, D. (2018). Análisis y filtrado de datos de sistema de navegación por satélite para navegación autónoma de vehículos. Santa Fe: (Bachelor's thesis).
Vilcahuamán Espinoza, G. (2014 ). Diseño e implementación de un sistema de navegación autónomo basado en el filtro extendido de Kalman en el módulo robótico CoroBot empleando lenguaje C. JAM CHEM SOC ISSN: 0002-7863, 5-8.
Vivanco, P. J. (2015). Filtro de Kalman extendido aplicado en la navegación de un AUV. Ingenius:. Ingenius: Revista de Ciencia y Tecnología, (13), 12-19., 3-5.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2023 Leonela Del Rocio De La A Salinas, Rolando Edison Carrera-Fernández, Ismael Elías Erazo-Velasco
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
