Informe Robotica

UNIVERSIDAD NACIONAL DE TRUJILLO
Facultad de Ingeniería
Escuela de Ingeniería Mecatrónica
CURSO : ROBÓTICA
TEMA : CONTROL DE UN ROBOT MÓVIL MEDIANTE

GUIDE DE MATLAB APLICADO AL MONITOREO
DE FRUTAS
ALUMNO : BARTOLO ESCOBAL, RAFAEL

CASTILLO SIFUENTES, WILMER
ESQUIVEL VENTURA, FRANCISCO
DOCENTE : Ing. ALVA ALCÁNTARA, JOSMEL HENRY
CICLO : IX
TRUJILLO - PERÚ
2017
ÍNDICE
1. Resumen.................................................................................................... 1
2. Capítulo I.................................................................................................... 1
2.1. Planteamiento del Problema ................................................................ 1
2.2. Hipótesis .............................................................................................. 2
2.3. Objetivos .............................................................................................. 2
2.4. Materiales ............................................................................................ 2
3. Capítulo II................................................................................................... 3
3.1. Procedimiento ...................................................................................... 3
3.1.1. Configuración del Robot Móvil Ackerman ...................................... 3
3.1.2. Modelo Cinemático del Robot Móvil Ackerman .............................. 4
3.1.3. Modelo Dinámico de la configuración Ackerman............................ 8
3.1.4. Modelo dinámico del motor DC .................................................... 12
3.1.5.Diseño Cad………………………………………………………………..13
4. Capítulo III................................................................................................ 14
4.1. Conclusiones ...................................................................................... 14
4.2. Bibliografía ......................................................................................... 14
4.3. Anexos ............................................................................................... 15
1. Resumen
Conforme fue evolucionando la robótica se desarrollaron diversas metodologías para
hacer más eficiente el movimiento autónomo de los robots. Gran cantidad de estas
metodologías se desarrollaron para movilizar al robot en un entorno con obstáculos no
estables. Se obtuvieron buenos resultados a costa de la alta complejidad de sus
algoritmos, así como la gran cantidad de sensores implementados en el robot y entorno.
El presente proyecto busca la implementación física de un robot móvil para tomar
fotografías a plantas y realizar el procesamiento digital en el software Matlab usando
una cámara IP, con navegación autónoma dentro del terreno, detectando y/o evitando
obstáculos. Definidas las condiciones del terreno y su distribución; fueron probados
algunos algoritmos de planeación de trayectorias, para seleccionar el más eficiente que
se adapta a la aplicación. También se tuvo que diseñar algoritmos acorde a las
condiciones dadas para la movilidad del proyecto y realizar que el procesamiento de
imágenes sea lo más eficiente posible.
Se resalta que todo el proyecto fue realizado en un entorno gráfico (GUIDE) del
programa Matlab.
2. Capítulo I
2.1. Planteamiento del Problema
A. Formulación del Problema:
Con el proyecto a desarrollar, se quieren resolver los siguientes problemas:
a. Traslado de una coordenada inicial a otra final autónomamente, con las
posiciones previamente configuradas.
b. Conexión del móvil, cámara y arduino mediante Wifi.
c. Tomar fotografías y procesarlas en el software Matlab usando una laptop.
d. Monitorear en tiempo real la navegación del robot.
1
2.2. Hipótesis
“Con el uso de códigos de generación de trayectorias y procesamiento de
imágenes, se verifica la posibilidad de que un robot móvil siga una trayectoria, y
realice la verificación de estado de plantas y/o frutas.”
2.3. Objetivos
A. General
✓ Implementar un robot móvil de configuración ackerman que tome y procese
fotografías a plantas usando una cámara IP para clasificación de las
mismsas.
B. Específico
✓ Implementar algoritmos para realizar el procesamiento de imágenes
usando Matlab.
✓ Decepcionar y enviar datos mediante una red Wifi.
✓ Verificar el sistema de control automatizado a través programas que nos
permitan realizar una correcta simulación.
✓ Establecer los procedimientos para un correcto funcionamiento del robot
móvil de configuración ackerman.
✓ Evaluar económicamente el robot móvil de configuración ackerman.
2.4. Materiales:
N° MATERIAL ESPECIFICACIONES TÉCNICAS

Microcontrolador: ATmega328P
Chip USB: ATmega16U2
Voltaje de Operación: 5V
Voltaje de alimentación: 6-20V (7-12V
recomendado)
Arduino Uno R3 Pines digitales I/O: 14 (6 salidas PWM)
Entradas analógicas: 6
Corriente máxima entrada/salida: 40mA
Memoria flash: 32K
Memoria SRAM: 2K
Memoria EEPROM: 1K
1 Velocidad de reloj: 16Mhz
2
Voltaje de Operación: 5V DC
Chip Ethernet: Wiznet W5100
Velocidad Ethernet: 10/100 Mbps
Shiled Ethernet Interface: SPI
Compatible con Arduino Uno, Mega,
Leonardo
2 Lector MicroSD Card
3 Motor Voltaje de operación : 6V DC
4 Access Point Voltaje de operación : 12V DC
5 Repetidor de señal Voltaje de operación : 12V DC
6 Rele Voltaje de operación : 6V DC
Transistor NPN
3 Pines
Temperatura mácxima: 25°C
Transistor BD135 Maxima corriente Ic:1.5A
Máxma carga de disipación Ptot:12.5W
Disipación:1.25W
7 Tipo de transistor:Bipolar
8 Cable alimentación n° 18
9 Cable Ethernet Para puerto RJ45
10 Platina 1/4x1"
11 Pernos 3/16x2"
12 Baterias una de 6V y otra de 12V
3. Capítulo II
3.1. Procedimiento
3.1.1. Configuración del Robot Móvil Ackerman
Un robot en configuración Ackerman consiste en un cuerpo rígido con centro
de masa y gravedad P0, radio de rotación RG, masa MG y un momento de
inercia IG con dos ruedas traseras no deformables y no orientables (fijas)
separadas una distancia b entre ellas y a una distancia l de dos ruedas
delanteras orientables (también a una distancia b entre ellas) tal y como se
muestra en las figuras 19 y 20. La dirección Ackerman modifica la orientación
de las ruedas delanteras de tal forma que, a bajas velocidades, todas las
ruedas cumplen con la condición de rodamiento puro sin deslizamiento lateral
[19]. Esto se produce debido a que, a baja velocidad, cada rueda sigue una
trayectoria curva con radios distintos, pero con un centro instantáneo de
3
rotación común Cr. Esta configuración se analiza utilizando el modelo de la
bicicleta ([19], [20]) suponiendo que el movimiento se restringe a un plano
horizontal. Con esto, se utiliza el promedio Φ de los ángulos de las ruedas
frontales (Φi, Φo) y las ruedas traseras se consideran como una rueda
equivalente en donde se aplica la fuerza del motor. A diferencia del caso
diferencial, los de configuración Ackerman pueden ir a una velocidad en la
cual se presente deslizamiento, por lo que será considerado en el modelo, a
menos que se garantice una velocidad baja en la plataforma según las
condiciones establecidas en [20].
3.1.2. Modelo Cinemático del Robot Móvil Ackerman
El modelo cinemático de esta configuración representa la evolución de las
velocidades del robot en un marco inercial fijo. La postura del robot se define
mediante las coordenadas del punto P0 = (x, y) y el ángulo de avance θ en el
marco de referencia global (XG, YG) en la figura 19.
Conociendo las velocidades lineales y angulares (v y ω) en el marco de
referencia local (XL, YL), la velocidad global del robot se define según la
ecuación (1).
𝑥̇ cos 𝜃 − sin 𝜃 0 𝑣𝑥 𝑥̇ = 𝑣𝑥 (𝑡) cos 𝜃 (𝑡) − 𝑣𝑦 (𝑡) sin 𝜃 (𝑡)

[ ẏ ] = [ sin 𝜃 cos 𝜃 0] [𝑣𝑦 ] ⇒ 𝑦̇ = 𝑣𝑦 (𝑡) cos 𝜃 (𝑡) + 𝑣𝑥 (𝑡) sin 𝜃 (𝑡) … (1)
𝜃̇ 0 0 1 𝜔 𝜃̇ = 𝜔(𝑡)
Existen muchas formas de resolver esta ecuación diferencial, sin embargo,
es conveniente obtener el resultado exacto de la integral y evaluar el uso de
aproximaciones que se consideren convenientes para simplificar el cálculo en
la ejecución del algoritmo sobre el robot.
La solución exacta de (1) se calcula de forma discreta para un periodo de
muestreo Ts = tk+1 − tk de forma que se obtenga una ecuación recursiva que
pueda implementarse dentro del robot. De esta forma se define el intervalo
de tiempo entre dos instantes consecutivos de muestreo mostrado en (2).
4
𝑇𝑘 = { 𝑡 ∈ ℝ|𝑘𝑇𝑠 ≤ 𝑡 < (𝑘 + 1)𝑇𝑠 }, 𝑘 = 0, 1, 2, … (2)
Para simplificar la deducción de las ecuaciones se define tk = kTs, tk+1 = (k +
1) Ts. Se considera que las velocidades (vx, vy, ω) son constantes en el
intervalo de integración (no cambian mientras se realiza el muestreo en Ts, lo
que es equivalente a decir que se tiene un retenedor de orden cero (ZOH) en
estas entradas, adquiriendo el valor en tk ⇒ vx (tk), vy (tk), ω (tk) son constantes.
De esta forma se plantea la integral en (3).

𝑡 𝑡
𝑥(𝑡) = 𝑥(𝑡𝑘 ) + 𝑣𝑥 (𝑡𝑘 ) ∫ cos(𝜃(𝜏)) 𝑑𝜏 − 𝑣𝑦 (𝑡𝑘 ) ∫ sin(𝜃(𝜏)) 𝑑𝜏
𝑡𝑘 𝑡𝑘
𝑡 𝑡
𝑦(𝑡) = 𝑦(𝑡𝑘 ) + 𝑣𝑥 (𝑡𝑘 ) ∫ sin(𝜃(𝜏)) 𝑑𝜏 + 𝑣𝑦 (𝑡𝑘 ) ∫ cos(𝜃(𝜏)) 𝑑𝜏 … (3)
𝑡𝑘 𝑡𝑘
𝑡
𝜃(𝑡) = 𝜃(𝑡𝑘 ) + ∫ 𝜔(𝑡𝑘 )𝑑𝜏
𝑡𝑘
Se resuelve primeramente para el ángulo de avance del robot θ tal y como se
muestra en (4).
𝑡 𝑡
𝜃(𝑡) = 𝜃(𝑡𝑘 ) + ∫ 𝜔(𝑡𝑘 )𝑑𝜏 = 𝜃(𝑡𝑘 ) + 𝜔(𝑡𝑘 ) ∫ 𝑑𝜏 = 𝜃(𝑡𝑘 ) + (𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 ) … (4)
𝑡𝑘 𝑡𝑘
Se sustituye este resultado en la ecuación (3) para (x, y). Cabe destacar
que las funciones evaluadas en tk son constantes (x (tk), y (tk), θ (tk)) ya que
son las condiciones iniciales (constantes de integración), de esta forma se
procede a integrar (3) dando el resultado en (5) para x y en (6) para y.

𝑡 𝑡
𝑥(𝑡) = 𝑥(𝑡𝑘 ) + 𝑣𝑥 (𝑡𝑘 ) ∫ cos(𝜃(𝑡𝑘 ) + (𝜏 − 𝑡𝑘 )𝜔(𝑡𝑘 )) 𝑑𝜏 − 𝑣𝑦 (𝑡𝑘 ) ∫ sin(𝜃(𝑡𝑘 ) + (𝜏 − 𝑡𝑘 )𝜔(𝑡𝑘 )) 𝑑𝜏
𝑡𝑘 𝑡𝑘
𝑣𝑥 (𝑡𝑘 ) 𝑡 𝑣𝑦 (𝑡𝑘 ) 𝑡
= 𝑥(𝑡𝑘 ) + sin(𝜃(𝑡𝑘 ) + (𝜏 − 𝑡𝑘 )𝜔(𝑡𝑘 ))|𝑡 + cos(𝜃(𝑡𝑘 ) + (𝜏 − 𝑡𝑘 )𝜔(𝑡𝑘 ))|𝑡 … (5)
𝜔(𝑡𝑘 ) 𝑘 𝜔(𝑡𝑘 ) 𝑘
𝑣𝑥 (𝑡𝑘 ) 𝑣𝑦 (𝑡𝑘 )
∴ 𝑥(𝑡) = 𝑥(𝑡𝑘 ) + [sin(𝜃(𝑡𝑘 ) + (𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 )) − sin(𝜃(𝑡𝑘 ))] + [cos(𝜃(𝑡𝑘 ) + (𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 )) − cos(𝜃(𝑡𝑘 ))]
𝜔(𝑡𝑘 ) 𝜔(𝑡𝑘 )
𝑡 𝑡
𝑦(𝑡) = 𝑦(𝑡𝑘 ) + 𝑣𝑥 (𝑡𝑘 ) ∫ sin(𝜃(𝑡𝑘 ) + (𝜏 − 𝑡𝑘 )𝜔(𝑡𝑘 )) 𝑑𝜏 + 𝑣𝑦 (𝑡𝑘 ) ∫ cos(𝜃(𝑡𝑘 ) + (𝜏 − 𝑡𝑘 )𝜔(𝑡𝑘 )) 𝑑𝜏
𝑡𝑘 𝑡𝑘
𝑣𝑥 (𝑡𝑘 ) 𝑡 𝑣𝑦 (𝑡𝑘 ) 𝑡
= 𝑦(𝑡𝑘 ) − cos(𝜃(𝑡𝑘 ) + (𝜏 − 𝑡𝑘 )𝜔(𝑡𝑘 ))|𝑡 + sin(𝜃(𝑡𝑘 ) + (𝜏 − 𝑡𝑘 )𝜔(𝑡𝑘 ))|𝑡 … (6)
𝜔(𝑡𝑘 ) 𝑘 𝜔(𝑡𝑘 ) 𝑘
𝑣𝑥 (𝑡𝑘 ) 𝑣𝑦 (𝑡𝑘 )
∴ 𝑦(𝑡) = 𝑦(𝑡𝑘 ) + [cos(𝜃(𝑡𝑘 )) − cos(𝜃(𝑡𝑘 ) + (𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 ))] + [sin(𝜃(𝑡𝑘 ) + (𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 )) − sin(𝜃(𝑡𝑘 ))]
𝜔(𝑡𝑘 ) 𝜔(𝑡𝑘 )
5
Ambas expresiones (5) y (6) se pueden simplificar aplicando identidades
trigonométricas, tal y como se muestra en (7):
𝑎 = 𝜃(𝑡𝑘 ) − sin(𝜃(𝑡𝑘 )) + sin(𝜃(𝑡𝑘 ) + (𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 )) = sin(𝑎 + 𝑏) − sin(𝑎)

}⇒
𝑏 = (𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 ) cos(𝜃(𝑡𝑘 )) − cos(𝜃(𝑡𝑘 ) + (𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 )) = cos(𝑎) − cos(𝑎 + 𝑏)
… (7)
sin(𝑎 + 𝑏) − sin(𝑎) = 2 sin(0.5(𝑎 + 𝑏 − 𝑎)) cos(0.5(𝑎 + 𝑏 + 𝑎)) = 2 sin(0.5𝑏) cos(0.5(2𝑎 + 𝑏))
cos(𝑎) − cos(𝑎 + 𝑏) = −2 sin(0.5(𝑎 − 𝑏 − 𝑎)) sin(0.5(𝑎 + 𝑏 + 𝑎)) = −2 sin(−0.5𝑏) cos(0.5(2𝑎 + 𝑏))
Al aplicar esta simplificación (7) a (5) y (6) se obtiene (8).
𝑣𝑥 (𝑡𝑘 )
⇒ 𝑥(𝑡) = 𝑥(𝑡𝑘 ) + 2 sin(0.5(𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 )) cos (𝜃(𝑡𝑘 ) + 0.5((𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 )))
𝜔(𝑡𝑘 )
𝑣𝑦 (𝑡𝑘 )
−2 sin(0.5(𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 ) + 𝜃(𝑡𝑘 )) sin(0.5(𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 ))
𝜔(𝑡𝑘 )
𝑣𝑥 (𝑡𝑘 ) … (8)
⇒ y(𝑡) = 𝑦(𝑡𝑘 ) + 2 sin(0.5(𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 ) + 𝜃(𝑡𝑘 )) sin (0.5((𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 )))
𝜔(𝑡𝑘 )
+2 cos(0.5(𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 ) + 𝜃(𝑡𝑘 )) sin(0.5(𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 ))
𝜔(𝑡𝑘 )
𝜃(𝑡) = 𝜃(𝑡𝑘 ) + (𝑡 − 𝑡𝑘 )𝜔(𝑡𝑘 )
Este es el resultado completo de la integración para cualquier t ∈ TK. Al
evaluar (8) en t = tk+1 se obtiene el modelo discreto en el periodo de muestreo
Ts = tk+1 − tk tal y como se muestra en (9).
𝑣𝑥 (𝑡𝑘 )
𝑥(𝑡𝑘+1 ) = 𝑥(𝑡𝑘 ) + 2 sin(0.5(𝑡𝑘+1 − 𝑡𝑘 )𝜔(𝑡𝑘 )) cos (𝜃(𝑡𝑘 ) + 0.5((𝑡𝑘+1 − 𝑡𝑘 )𝜔(𝑡𝑘 )))
𝜔(𝑡𝑘 )
−2 sin(0.5(𝑡𝑘+1 − 𝑡𝑘 )𝜔(𝑡𝑘 ) + 𝜃(𝑡𝑘 )) sin(0.5(𝑡𝑘+1 − 𝑡𝑘 )𝜔(𝑡𝑘 ))
𝜔(𝑡𝑘 )
𝑣𝑥 (𝑡𝑘 ) … (9)
y(𝑡𝑘+1 ) = 𝑦(𝑡𝑘 ) + 2 sin(0.5(𝑡𝑘+1 − 𝑡𝑘 )𝜔(𝑡𝑘 ) + 𝜃(𝑡𝑘 )) sin (0.5((𝑡𝑘+1 − 𝑡𝑘 )𝜔(𝑡𝑘 )))
𝜔(𝑡𝑘 )
+2 cos(0.5(𝑡𝑘+1 − 𝑡𝑘 )𝜔(𝑡𝑘 ) + 𝜃(𝑡𝑘 )) sin(0.5(𝑡𝑘+1 − 𝑡𝑘 )𝜔(𝑡𝑘 ))
𝜔(𝑡𝑘 )
𝜃(𝑡𝑘+1 ) = 𝜃(𝑡𝑘 ) + (𝑡𝑘+1 − 𝑡𝑘 )𝜔(𝑡𝑘 )
Finalmente, sustituyendo el periodo de muestreo Ts = tk+1 − tk en (9) y
simplificando la notación al eliminar la indicación del tiempo t al agregar un
subíndice a las variables (por ejemplo cambiando x (tk) = xk) se obtiene el
modelo cinemático del robot en (10). Esta ecuación puede considerarse como
una transformación de coordenadas ya que relaciona el movimiento local del
robot (vx, vy, ω) con su movimiento global (x, y, θ). Se muestra en esta
6
ecuación la notación a utilizar en los algoritmos de fusión propuestos,
tomando en cuenta el instante actual k y el anterior k − 1.
2 2
sin(0.5(𝑇𝑠 )𝜔𝑘 ) cos(𝜃𝑘 + 0.5(𝑇𝑠 𝜔𝑘 )) − sin(0.5(𝑇𝑠 )𝜔𝑘 + 𝜃𝑘 ) sin(0.5(𝑇𝑠 𝜔𝑘 )) 0
𝑥𝑘+1 𝑥𝑘 𝜔𝑘 𝜔𝑘 𝑣𝑥
[𝑦𝑘+1 ] = [𝑦𝑘 ] + 𝑇𝑠 2 2 [𝑣𝑦 ] … (10)
𝜃𝑘+1 𝜃𝑘 sin(0.5(𝑇𝑠 )𝜔𝑘 + 𝜃𝑘 ) sin(0.5(𝑇𝑠 𝜔𝑘 )) cos(0.5(𝑇𝑠 )𝜔𝑘 + 𝜃𝑘 ) sin(0.5(𝑇𝑠 𝜔𝑘 )) 0 𝜔
𝜔𝑘 𝜔𝑘 𝑘
[ 0 0 𝑇𝑠 ]
2 2
sin(0.5(𝑇𝑠 )𝜔𝑘−1 ) cos(𝜃𝑘−1 + 0.5(𝑇𝑠 𝜔𝑘−1 )) − sin(0.5(𝑇𝑠 )𝜔𝑘−1 + 𝜃𝑘−1 ) sin(0.5(𝑇𝑠 𝜔𝑘−1 )) 0
𝑥𝑘 𝑥𝑘−1 𝜔𝑘−1 𝜔𝑘−1 𝑣𝑥
[𝑦𝑘 ] = [𝑦𝑘−1 ] + 𝑇𝑠 2 2 [𝑣𝑦 ] … (10)
𝜃𝑘 𝜃𝑘−1 sin(0.5(𝑇𝑠 )𝜔𝑘−1 + 𝜃𝑘−1 ) sin(0.5(𝑇𝑠 𝜔𝑘−1 )) cos(0.5(𝑇𝑠 )𝜔𝑘−1 + 𝜃𝑘−1 ) sin(0.5(𝑇𝑠 𝜔𝑘−1 )) 0 𝜔
𝜔𝑘−1 𝜔𝑘−1 𝑘−1
[ 0 0 𝑇𝑠 ]
En el caso de la mayoría de plataformas con recursos limitados se requiere
un Ts suficientemente pequeño para la implementación. Con esta condición
se puede realizar una aproximación en la integral de la ecuación diferencial
(10) considerando que sin (ωk · 0, 5Ts) ≈ 0, 5Tsωk. Además se considera que
el robot gira a una velocidad tal que en un tiempo Ts el incremento de θk es
muy pequeño entonces se puede simplificar aún más ya que en estas
condiciones θk +ωk · 0, 5Ts ≈ θk, esto se muestra en (11).
𝑥𝑘 𝑥 cos 𝜃𝑘−1 − sin 𝜃𝑘−1 0 𝑣𝑥

𝑦
𝐿𝑘 = [ 𝑘 ] = [𝑦 ] + 𝑇𝑠 [ sin 𝜃𝑘−1 cos 𝜃𝑘−1 0] [𝑣𝑦 ] … (11)
𝜃𝑘 𝜃 𝑘−1 0 0 1 𝜔 𝑘−1
Durante el movimiento de rotación del robot (cuando sigue una trayectoria
circular) y debido al deslizamiento del mismo, el robot se encuentra en
traslación y en rotación simultáneas. Para describir este comportamiento de
la aceleración a se obtienen sus componentes ax, ay del centro de gravedad
P0 utilizando las aceleraciones normal y tangencial (an, at), mostradas en la
figura 19(c), mediante el procedimiento descrito en [19].
El componente tangencial at tiene la misma dirección que la velocidad
resultante v del centro de gravedad, la cual se encuentra a un ángulo β del
7
eje de avance XL tal y como se muestra en la figura 19(c). Este ángulo β se
conoce como el ángulo de deslizamiento lateral del vehículo. Las
aceleraciones tangencial at y normal an se descomponen según los ejes
locales tal y como se muestra en la ecuación (12).
𝑣𝑥̇ 𝐸𝑗𝑒 𝑋𝐿
𝑎𝑡 = { 𝑣 ̇ 𝐸𝑗𝑒 𝑌
𝑦 𝐿
… (12)
−(𝑣 2 ⁄𝑅 ) sin 𝛽 = −𝑣𝜔 sin 𝛽 = −𝑣𝑦 𝜔 𝐸𝑗𝑒 𝑋𝐿

𝑎𝑛 = {
(𝑣 2 ⁄𝑅 ) cos 𝛽 = 𝑣𝜔 cos 𝛽 = 𝑣𝑥 𝜔 𝐸𝑗𝑒 𝑌𝐿
De esta forma, los componentes ax, ay de la aceleración a se definen al
agrupar en los ejes locales (XL, YL) los términos de las aceleraciones an y at
[19] tal y como se muestra en la ecuación (13).
𝑎𝑥 = 𝑣𝑥̇ − 𝑣𝑦 𝜔
… (13)
𝑎𝑦 = 𝑣𝑦̇ + 𝑣𝑥 𝜔
Finalmente, se observa en la ecuación (14) la relación cinemática entre el
ángulo de la dirección Ackerman Φ y el ángulo de avance del robot ω.
𝜔 = (𝑣𝑥 tan ∅)⁄𝑙 … (14)
Con esto se procede al análisis de la dinámica del robot.
3.1.3. Modelo Dinámico de la configuración Ackerman
Este modelo representa la evolución de las aceleración linear y angular del
robot (𝛼𝑥 , 𝛼𝑦 , 𝛼) en términos de las fuerzas que han sido aplicadas por los
motores en las ruedas frontal 𝐹𝑓 y trasera 𝐹𝑟 y el par angular 𝜏. De forma
similar al caso diferencial, los modelos describen la dinámica en los ejes
globales, por lo que nuevamente se requiere aplicar el análisis por partículas
dinámicamente equivalentes para obtener los modelos a utilizar en los filtros
de fusión. En este caso se utilizará el caso de tres partículas. El cuerpo rígido
del robot Ackerman (masa 𝑀𝐺 , momento de inercia 𝐼𝐺 ) se estudia como un
8
sistema dinámicamente equivalente formado por tres partículas con masa 𝑀𝑟 ,
𝑀𝑐 y 𝑀𝑓 unidas por dos barras (conectores) sin masa, de longitud constante
𝑅𝑟 y 𝑅𝑓 tal y como se muestra en la figura 20. Nuevamente, las condiciones
se deben aplicar:
▪ Conservación de la masa: 𝑀𝐺 = 𝑀𝑓 + 𝑀𝑐 + 𝑀𝑟 … (15)
▪ Conservación del centro de masa: 𝑀𝑓 𝑅𝑓 = 𝑀𝑟 𝑅𝑟 … (16)
▪ Conservación del momento de inercia: 𝑀𝑓 𝑅𝑓 2 + 𝑀𝑟 𝑅𝑟 2 = 𝐼𝐺 … (17)
Con estas condiciones se despejarán las masas del sistema equivalente
mostradas en la ecuación (18).
𝐼𝐺 𝐼𝐺 𝐼𝐺
𝑀𝑓 = , 𝑀𝑟 = , 𝑀𝑐 = 𝑀𝐺 − ( ) … (18)
𝑅𝑓 (𝑅𝑓 + 𝑅𝑟 ) 𝑅𝑟 (𝑅𝑓 + 𝑅𝑟 ) 𝑅𝑓 𝑅𝑟
Las distancias, al ser un modelo de 3 partículas equivalentes, pueden ser
asignadas a conveniencia. Por simplicidad se asignan para que sean iguales
entre sí por lo que 𝑅𝑓 = 𝑅𝑟 = 𝑅𝑁 ; con esto se reduce (18) a (19) en donde las
masas 𝑀𝑓 y 𝑀𝑟 son proporcionales a la masa total MG, lo que se expresa
mediante la constante γ (0 ≤ γ < 1), y de la misma forma Mc es proporcional a
MG expresado por la constante δ (0 ≤ δ < 1). Adicionalmente se definen dos
constantes, λa utilizando γ y δ, y λ mediante MG, RN e IG.
𝐼𝐺 𝛾
𝑀𝑓 = 𝑀𝑟 = 2 = 𝛾𝑀𝐺 , 𝜆𝛼 =
2𝑅𝑁 1−𝛿
… (19)
𝐼𝐺 𝑀𝐺 𝑅𝑁
𝑀𝑐 = 𝑀𝐺 − ( 2) = 𝛿𝑀𝐺 , 𝜆𝛼 =
𝑅𝑁 𝐼𝐺
En el caso de los robots de configuración Ackerman, la gran mayoría son de
forma rectangular (con longitud c y ancho b), por lo que, para este caso, se
utilizará 𝑅𝑓 = 𝑙𝑓 = 𝑅𝑟 = 𝑙𝑟 = 0.5𝑙 según la figura 20. De esta forma, se
1
obtienen los parámetros al sustituir 𝐼𝐺 = (𝑏 2 + 𝑐 2 )𝑀𝐺 en (19) asignando
12
9
𝑅𝑁 = 0.5𝑙 = 0.5𝑐. Con esto, se muestran los parámetros en la ecuación (20).
Esta deducción de los parámetros se puede hacer de forma exacta para otras
formas de la plataforma si se posee la ecuación de 𝐼𝐺 o bien numéricamente
según las características físicas de la misma (𝑀𝐺 , 𝐼𝐺 , 𝑅𝑓 , 𝑅𝑟 ).
1 2 1 𝑏 2
𝐼𝐺 = (𝑏 + 𝑐 2 )𝑀𝐺 , 𝛾 = (1 + ( ) )
12 6 𝑐
𝑏 2
1+( ) 6
𝛿 = (1 − 𝑐 ), 𝜆𝛼 = … (20)
3 𝑏 2
𝑐 (1 + ( ) )
𝑐
1
𝜆𝛼 = 0.5, 𝜆𝛼 𝛾 =
𝑐
Para obtener el modelo dinámico se aplica la segunda ley de Newton al
cuerpo rígido y al sistema de partículas mostrado en la figura 20 para obtener
(21) y (22).
∑ 𝐹𝑥 = (𝐹𝑥𝑓 cos ∅ − 𝐹𝑦𝑓 sin ∅) + 𝐹𝑥𝑟 = 𝑀𝐺 𝑎𝑥
∑ 𝐹𝑦 = (𝐹𝑦𝑓 cos ∅ + 𝐹𝑥𝑓 sin ∅) + 𝐹𝑦𝑟 = 𝑀𝐺 𝑎𝑦 … (21)
∑ 𝜏 = 𝑙𝑓 (𝐹𝑦𝑓 cos ∅ + 𝐹𝑥𝑓 sin ∅) − 𝑙𝑟 𝐹𝑦𝑟 = 𝐼𝐺 𝛼
∑ 𝐹𝑥 = (𝐹𝑥𝑓 cos ∅ − 𝐹𝑦𝑓 sin ∅) + 𝐹𝑥𝑟 = 𝑀𝑓 𝑎𝑓,𝑥 + 𝑀𝑐 𝑎𝑐,𝑥 + 𝑀𝑟 𝑎𝑟,𝑥
∑ 𝐹𝑦 = (𝐹𝑦𝑓 cos ∅ + 𝐹𝑥𝑓 sin ∅) + 𝐹𝑦𝑟 = 𝑀𝑓 𝑎𝑓,𝑦 + 𝑀𝑐 𝑎𝑐,𝑦 + 𝑀𝑟 𝑎𝑟,𝑦 … (22)
∑ 𝜏 = 𝑅𝑓 (𝐹𝑦𝑓 cos ∅ + 𝐹𝑥𝑓 sin ∅) − 𝑅𝑟 𝐹𝑦𝑟 = 𝑅𝑓 𝑀𝑓 𝑎𝑓,𝑦 − 𝑅𝑟 𝑀𝑟 𝑎𝑟,𝑦
Aplicando el principio de D’Alembert a (21) y (22) se obtienen (23) y (24)
respectivamente.
𝑀𝐺 𝑎𝑥 − (𝐹𝑥𝑓 cos ∅ − 𝐹𝑦𝑓 sin ∅ + 𝐹𝑥𝑟 ) = 0
𝑀𝐺 𝑎𝑦 − (𝐹𝑦𝑓 cos ∅ + 𝐹𝑥𝑓 sin ∅ + 𝐹𝑦𝑟 ) = 0 … (23)
𝐼𝐺 𝛼 − (𝑙𝑓 𝐹𝑦𝑓 cos ∅ + 𝑙𝑓 𝐹𝑥𝑓 sin ∅ − 𝑙𝑟 𝐹𝑦𝑟 ) = 0
𝑀𝑓 𝑎𝑓,𝑥 + 𝑀𝑐 𝑎𝑐,𝑥 + 𝑀𝑟 𝑎𝑟,𝑥 − (𝐹𝑥𝑓 cos ∅ − 𝐹𝑦𝑓 sin ∅ + 𝐹𝑥𝑟 ) = 0
10
𝑀𝑓 𝑎𝑓,𝑦 + 𝑀𝑐 𝑎𝑐,𝑦 + 𝑀𝑟 𝑎𝑟,𝑦 − (𝐹𝑦𝑓 cos ∅ + 𝐹𝑥𝑓 sin ∅ + 𝐹𝑦𝑟 ) = 0 … (24)
(𝑅𝑓 𝑀𝑓 𝑎𝑓,𝑦 − 𝑅𝑟 𝑀𝑟 𝑎𝑟,𝑦 ) − [𝑅𝑓 (𝐹𝑦𝑓 cos ∅ + 𝐹𝑥𝑓 sin ∅) − 𝑅𝑟 𝐹𝑦𝑟 ] = 0
Al igualar (23) y (24) se obtiene (25).
𝑀𝐺 𝑎𝑥 = 𝑀𝑓 𝑎𝑓,𝑥 + 𝑀𝑐 𝑎𝑐,𝑥 + 𝑀𝑟 𝑎𝑟,𝑥
𝑀𝐺 𝑎𝑦 = 𝑀𝑓 𝑎𝑓,𝑦 + 𝑀𝑐 𝑎𝑐,𝑦 + 𝑀𝑟 𝑎𝑟,𝑦 … (25)
𝐼𝐺 𝛼 = (𝑅𝑓 𝑀𝑓 𝑎𝑓,𝑦 − 𝑅𝑟 𝑀𝑟 𝑎𝑟,𝑦 ) ↔ 𝑅𝑓 = 𝑙𝑓 , 𝑅𝑟 = 𝑙𝑟
Se observa de la ecuación (25) que el cuerpo rígido y el sistema de partículas
son dinámicamente equivalentes al utilizar los parámetros de la ecuación (20)
y cuando 𝑅𝑓 = 𝑙𝑓 , 𝑅𝑟 = 𝑙𝑟 . Como se mencionó anteriormente se utilizará 𝑅𝑓 =
𝑙𝑓 = 𝑅𝑟 = 𝑙𝑟 = 0.5𝑙 para el sistema equivalente del robot Ackerman (esta es
la distancia a la que se colocarán los acelerómetros, en el centro de los ejes
de la plataforma). Utilizando estas condiciones se resuelve para las
aceleraciones locales 𝑎𝑥 , 𝑎𝑦 𝑦 𝛼 (con 𝑎𝑐 = 𝑎) tal y como se muestra en la
ecuación (26).
𝛾
𝑀𝐺 𝑎𝑥 − 𝛿𝑀𝐺 𝑎𝑥 = 𝛾𝑀𝐺 (𝑎𝑓,𝑥 + 𝑎𝑟,𝑥 ) → 𝑎𝑥 = (𝑎 + 𝑎𝑟,𝑥 ) = 𝜆𝑎 (𝑎𝑓,𝑥 + 𝑎𝑟,𝑥 )
1 − 𝛿 𝑓,𝑥
𝛾
𝑀𝐺 𝑎𝑦 − 𝛿𝑀𝐺 𝑎𝑦 = 𝛾𝑀𝐺 (𝑎𝑓,𝑦 + 𝑎𝑟,𝑦 ) → 𝑎𝑥 = (𝑎 + 𝑎𝑟,𝑦 ) = 𝜆𝑎 (𝑎𝑓,𝑦 + 𝑎𝑟,𝑦 )
1 − 𝛿 𝑓,𝑦
𝛾𝑀𝐺 𝛾𝑀𝐺
𝛼= (𝑅𝑓 𝑎𝑓,𝑦 − 𝑅𝑟 𝑎𝑟,𝑦 ) = 𝑅 (𝑎 − 𝑎𝑟,𝑦 ) = 𝜆𝑎 𝛾(𝑎𝑓,𝑦 − 𝑎𝑟,𝑦 )
𝐼𝐺 𝐼𝐺 𝑁 𝑓,𝑦
∴ 𝑎𝑥 = 𝜆𝑎 (𝑎𝑓,𝑥 + 𝑎𝑟,𝑥 ), 𝑎𝑦 = 𝜆𝑎 (𝑎𝑓,𝑦 + 𝑎𝑟,𝑦 ), 𝛼 = 𝜆𝑎 𝛾(𝑎𝑓,𝑦 − 𝑎𝑟,𝑦 ) … (26)
Ahora bien, estas aceleraciones (26) se muestran en la ecuación (27).
𝑣𝑥̇ = 𝑣𝑦 𝜔 + 𝜆𝑎 (𝑎𝑓,𝑥 + 𝑎𝑟,𝑥 ) = 𝑣𝑦 𝜔 + 𝜆𝑎 𝑢1
𝑣𝑦̇ = −𝑣𝑥 𝜔 + 𝜆𝑎 (𝑎𝑓,𝑦 + 𝑎𝑟,𝑦 ) = −𝑣𝑥 𝜔 + 𝜆𝑎 𝑢2 … (27)
𝜔̇ = 𝜆𝛼 𝛾(𝑎𝑓,𝑦 − 𝑎𝑟,𝑦 ) = 𝜆𝛼 𝛾𝑢3
La ecuación (27) corresponde al modelo dinámico local en el que se han
definido las entradas 𝑢1 , 𝑢2 , 𝑢3 como los respectivos términos de las
aceleraciones de entrada en las ecuaciones de 𝑣𝑥̇ , 𝑣𝑦̇ , 𝜔̇ para facilitar la
11
notación. Se observa que el modelo (27) del robot Ackerman con
deslizamiento, corresponde a un modelo no lineal, con lo que resulta
conveniente aproximar la solución de la integral discreta mediante el método
numérico de Euler, pudiendo utilizarse otros métodos numéricos o resolver la
integral exacta (siguiendo un procedimiento similar a la cinemática diferencial)
si se desea más precisión o se disponen de más recursos en la plataforma.
De esta forma, obteniendo la discretización mediante el método de Euler, el
modelo dinámico del robot se obtiene en (28).
𝑣𝑥 𝑣𝑥 𝑣𝑦 𝜔 + 𝜆𝑎 𝑢1
𝑣 𝑣
[ 𝑦 ] = [ 𝑦] + 𝑇𝑠 [−𝑣𝑥 𝜔 + 𝜆𝑎 𝑢2 ] … (28)
𝜔 𝑘 𝜔 𝑘−1 𝜆𝛼 𝛾𝑢3 𝑘−1
Se obtiene el modelo dinámico global del robot tal y como se muestra en (29).
𝑥 𝑥 𝑣𝑥 cos 𝜃 − 𝑣𝑦 sin 𝜃
𝑦 𝑦 𝑣𝑥 sin 𝜃 + 𝑣𝑦 cos 𝜃
𝜃 𝜃 𝜔
𝑣𝑥 = 𝑣𝑥 + 𝑇𝑠 𝑣𝑦 𝜔 + 𝜆𝑎 𝑢1 … (29)
𝑣𝑦 𝑣𝑦 −𝑣𝑥 𝜔 + 𝜆𝑎 𝑢2
[ 𝜔 ]𝑘 [ 𝜔 ]𝑘−1
[ 𝜆 𝛾𝑢
𝛼 3 ]𝑘−1
Por último, en caso de que el robot viaje a baja velocidad, se puede
aprovechar la condición de no deslizamiento vy ≈ 0 para obtener los modelos
local y global simplificados, tal y como se muestra en (30) y (31). [23]
𝑣 𝑣 𝜆 𝑢
[ 𝑥] = [ 𝑥] + 𝑇𝑠 [ 𝑎 1 ] … (30)
𝜔 𝑘 𝜔 𝑘−1 𝜆𝛼 𝛾𝑢3 𝑘−1
𝑥 𝑥 𝑣𝑥 cos 𝜃
𝑦 𝑦 𝑣𝑥 sin 𝜃
𝜃 = 𝜃 + 𝑇𝑠 𝜔 … (31)
𝑣𝑥 𝑣𝑥 𝜆𝑎 𝑢1
[ 𝜔 ]𝑘 [ 𝜔 ]𝑘−1 [ 𝜆𝛼 𝛾𝑢3 ]𝑘−1
3.1.4. Modelo dinámico del motor DC
Ecuaciones Físicas del Modelo:
𝑑𝑖
𝑒𝑎 = 𝑖𝑅 + 𝐿 + 𝑒𝑏 (32)
𝑑𝑡
𝑒𝑏 = 𝑘𝑏 𝜃̇ (33)
12
𝜏 − 𝐵𝜃̇ = 𝐽𝜃̈ (34)
𝜏 = 𝑘𝑖 𝑖 (35)
Luego aplicando transformada de Laplace obtenemos lo siguiente:
𝑉𝑎 (𝑠) = 𝐼(𝑠)𝑅 + 𝐿𝑠𝐼(𝑠) + 𝑉𝑏 (𝑠) (36)
𝑉𝑏 (𝑠) = 𝐾𝑏 𝑠𝜃(𝑠) (37)
𝜏 − 𝐵𝑠𝜃(𝑠) = 𝐽𝑠2 𝜃(𝑠) (38)
𝜏 = 𝐾𝑖 𝐼(𝑠) (39)
Despejando la ecuación (23) se obtiene la función de transferencia:
𝐼(𝑠) 1
= (40)
𝑉𝑎 (𝑠) − 𝑉𝑏 (𝑠) 𝐿𝑠 + 𝑅
Igualmente operando en la ecuación (29) nos resulta:

𝜏
= 𝜃(𝑠) (41)
𝐽𝑠2 + 𝐵𝑠
3.1.5. Diseño CAD
13
4. Capítulo III
4.1. Conclusiones
▪ Es necesario hacer varias pruebas de todos los sensores que se utilizaron,
posteriormente calibrarlos si fuera el caso que estén otorgando medidas
diferentes a las reales. Esto es muy imprescindible e importante para que
funcione adecuadamente el sistema de control automático.
▪ El sistema de navegación requiere precisión por lo que los sensores deberían
poseer error casi nulo. Sin embargo, para obtener sensores de dicha calidad
se requiere de mayor inversión.
▪ La creación de un entorno virtual de simulación conlleva al modelamiento tanto
del ambiente como del robot, estos se realizaron usando el toolbox
SimMechanics de Matlab.
4.2. Bibliografía
[1] http://mardukferreteria.com/detalle.php?producto=322&marca=23
[2] http://www.directindustry.es/prod/steinel-normalien-ag/product-126303-
1559015.html
[3] http://articulo.mercadolibre.com.ve/MLV-459591604-motor-6v-para-carrito-o-
moto-electrica-montable-_JM
[4] Fotografía propia
[5] http://www.grupogonher.com/herramientas/servicio-automotriz/grasas.html
[6] http://www.nextiafenix.com/producto/resistencia-1k-1w4/
[7] http://circuit-diagramz.com/bd-135-transistors/
[8] https://www.sotudo.com.br/produto/rele-12v-10a
[9] https://www.miki.pro/pcb-y-pines.html
[10] http://simple.ripley.com.pe/hp-laptop-stream-14-ax004la-14-intel-celeron-
32gb-4gb-funda-mouse-audifonos-2004190808055p
[11] https://es.mathworks.com/products/matlab.html
14
[12] http://eyesunelectronics.com/producto/eyebaby-camara-ip-wifi/
[13] https://www.bosch-professional.com/es/es/gws-20-230-jh-33804-ocs-p/
[15] http://www.sodimac.com.pe/sodimac-pe/product/1060627/Taladro-de-Banco-
500-W/1060627
[19] J.Y. Wong. Theory of Ground Vehicles. John Wiley & Sons, 2008.
ISBN: 9780470170380 (vid. págs. 17, 49-52, 57).
[20] R. Rajamani. Vehicle Dynamics And Control. Mechanical Engineering
Series. Springer US, 2012. ISBN: 9780387263960 (vid. págs. 27, 49, 57).
[21] Marín Paniagua, Leonardo José (2014). Localización de robots móviles de
recursos limitados basada en fusión sensorial por eventos (Tesis de doctorado).
Universidad Politécnica de Valencia, Valencia.
4.3. Anexos
FOTOGRAFÍAS
15
16
Fig. 19. Cinemática de un robot en configuración Ackerman [21]
17
Fig. 20: Dinámica de un robot en configuración Ackerman como un cuerpo rígido y como
un sistema de tres partículas equivalente [21]
Modelo dinámico del motor DC en Simulink
18
19
20
21
Circuito de conexión
22
CÓDIGO EN MATLAB APLICADO AL RECONOCIMIENTO DE LA FRUTA
close all;
clc
%SELECCIÓN DE NARANJA POR MEDIO DE VISIONARTIFICIAL
fprintf('%s%\n',' VISION ARTIFICIAL USANDO MATLAB');
fprintf('\n');
fprintf('%s%\n',' SELECCION DE NARANJAS');
fprintf('\n');
23
fprintf('%s%\n',' UNIVERSIDAD NACIONAL DE TRUJILLO');
fprintf('\n');
fprintf('\n');
%ADQUISICION DE DATOS (hay dos formas)
%imagen guardada en la pc o por medio de cámara web
%video=videoinput('winvideo',1);
%set(video)
%video.ReturnedColorSpace='rgb';
%preview(video)
%im_RGB=getsanpshot(video);
%Ajuste de la direccion donde estara guardada la imagen
im_RGB=imread('preprocesar.jpg');
msgbox('-CAPTURAR IMAGEN - PULSA ENTER EN COMAND WINDWS','VISION
ARTIFICAL EN MATLAB');
pause
DIM=size(im_RGB);
figure(1)
subplot(2,3,1)
%imshow(im_RGB)
title({'VISION ARTIFICIAL USANDO MATLAB';'SELECCION DE
NARANJAS';'IMAGEN ORIGINAL'})
%PROCESAMIENTO DE LA IMAGEN BINARIA
24
umb=graythresh(im_RGB);
im_bin=im2bw(im_RGB,umb);
%Parametro importante para metodos DILATACIÓN Y EROCIÓN, y
%decidir con cual se hara el analisis. A menor V mejor
v=5;
%Procesamiento de Imagen Dilatacion
%se adiciona pixeles en las fronteras de la imagen, este depende
%directamenre del parametro modificable de la funcion strel('square',v) es
%el v. strel genera una estructura (rejilla), donde se trelapan el elemento
%central de la rejilla con la operacion de dilatacion
SE=strel('square',v);
im_gray=rgb2gray(im_RGB);
%la funcion edge se refiere a la intensidad de la frontera que por medio
%del metodo sobel aproxima esta frontera a 1(blanco) y lo demas a 0 (negro)
im_edge=edge(im_gray,'sobel');
im_dilate=imdilate(im_edge,SE);
%limpiar los agujeros
im_bin2=imfill(im_dilate,'holes');
25
%PROCESAMIENTO DE PROPIEDADES DE LA IMAGEN
%Obteniendo propiedades de la imagen como: centroide, area, ubicacion, etc
[l, ne]=bwlabel(im_bin2); %crea matriz de detalles con relacion a una matriz binaria,
(blancos y negros)
%con relacion a una matriz binaria, blancos y negros
%entregando numeros enteros de los detalles
propied=regionprops(1);
hold on
for i=1:size(propied,1)
rectangle('Position', propied(i).BoundingBox, 'EdgeColor', 'g', 'LineWidth',2);
x=propied(i).Centroid(1);
y=propied(i).Centroid(2);
plot(x,y,'*')
end
%Busca areas menores a < 1250 y eliminarlas son los defectos de la imagen
s=find([propied.Area]<1250);
for i=1:size(s,2)
rectangle('Position', propied(s(i)).BoundingBox, 'EdgeColor', 'r', 'LineWidth',2);
end
26
for n=1:size(s,2)
d=round(propied(s(n)).BoundingBox);
im_bin2(d(2):d(2)+d(4),d(1):d(1)+d(3))=0;
end
[l2, ne2]=bwlabel(im_bin2);
propied2=regionprops(l2);
NUMERO_DE_NARANJAS=ne2;
%ajuste automatico de la imagen
subplot(2,3,2)
imagesc([0 DIM(1,2)],[0 DIM(1,1)],im_RGB),grid on;
title({'IMAGEN ORIGINAL';'ESCALA DE MEDIA, RECUADRO Y FRONTERA'})
hold on
for i=1:size(propied2,1)
rectangle('Position', propied2(i).BoundingBox, 'EdgeColor', 'g', 'LineWidth',2);
x=propied2(i).Centroid(1);
y=propied2(i).Centroid(2);
plot(x,y,'*')
end
%Obtiene parametro, linea roja
B=bwboundaries(im_bin2);
for k=1:length(B)
27
boundary=B{k};
plot(boundary(:,2),boundary(:,1),'r','LineWidth',2)
end
subplot(2,3,3)
GRI=rgb2gray(im_RGB);
imshow(GRI)
title({'IMAGEN ORIGINAL';'ESCALA DE GRISES'})
%Area en numero de pixeles
AREA=[propied2.Area];
%Caja [x1,y1,ancho,largo] donde x1 y y1 son coordenadas superior
%izquierda de la caja
CAJAS=[propied2.BoundingBox];
%Caja de la primera figura
CAJA1=[CAJAS(1,1) CAJAS(1,2) CAJAS(1,3) CAJAS(1,4)];
%Procesamiento de segmentacion de la imagen
%procesamiento de color RGB
subplot(2,3,4)
RECO=imcrop(im_RGB,[CAJA1]);
imshow(RECO)
title({'NARANJA'})
subplot(2,3,5)
imshow(im_bin2)
title({'IMAGEN BINARIA'})
28
%Procesamiento de histogramas
GRIS=rgb2gray(RECO);
RED=RECO(:,:,1);
GREEN=RECO(:,:,2);
BLUE=RECO(:,:,3);
subplot(2,3,6)
imhist(GRIS)
title({'HISTOGRAMA NARANJA'})
%CARACTERISTICAS NARANJA
fprintf('%s%\n', 'CARACTERISTICAS NARANJA :');
fprintf('\n')
TAMANOAREA=12500;
if (AREA<= TAMANOAREA)
fprintf('%s%\n', 'TAMAÑO: PEQUEÑO');
else
fprintf('%s%\n', 'TAMAÑO: OPTIMO');
end
fprintf('\n')
sumR=sum(RED,1);
sumR1=sum(sumR,2);
sumG=sum(GREEN,1);
sumG1=sum(sumG,2);
sumB=sum(BLUE,1);
sumB1=sum(sumB,2);
imtool(RECO)
29
%DESICION DE RECHAZO O ACEPTADO
if ((sumR1-sumR1*0.25)>=sumG1) && ((sumG1-sumG1*0.3)<=sumB1)
fprintf('%s%\n', 'COLOR: PREDOMINANTE ROJO');
fprintf('\n')
fprintf('%s%\n', 'RESULTADO: NARANJA ACEPTADA');
fprintf('\n')
msgbox('NARANJA ACEPTADA, PREDOMINANTE ROJO');
M1=0;
elseif((sumR1-sumR1*0.1)>=sumG1) && ((sumG1-sumG1*0.3)>=sumB1)
fprintf('%s%\n', 'COLOR: PREDOMINANTE AMARILLO');
fprintf('\n')
fprintf('%s%\n', 'RESULTADO: NARANJA ACEPTADA');
fprintf('\n')
msgbox('NARANJA ACEPTADA, PREDOMINANTE AMARILLO');
M1=0;
else
fprintf('%s%\n', 'COLOR: PREDOMINANTE VERDE');
fprintf('\n')
fprintf('%s%\n', 'RESULTADO: NARANJA RECHAZADA');
fprintf('\n')
msgbox('NARANJA RECHAZADA, PREDOMINANTE VERDE');
M1=1;
end
CÓDIGO DE LA GUIDE EN MATLAB APLICADO AL RECONOCIMIENTO DE LA FRUTA
30
function varargout = procesamiento_imagen_ok(varargin)
% PROCESAMIENTO_IMAGEN_OK MATLAB code for
procesamiento_imagen_ok.fig
% PROCESAMIENTO_IMAGEN_OK, by itself, creates a new
PROCESAMIENTO_IMAGEN_OK or raises the existing
% singleton*.
% H = PROCESAMIENTO_IMAGEN_OK returns the handle to a new
PROCESAMIENTO_IMAGEN_OK or the handle to
% the existing singleton*.
PROCESAMIENTO_IMAGEN_OK('CALLBACK',hObject,eventData,handles,...)
calls the local
% function named CALLBACK in PROCESAMIENTO_IMAGEN_OK.M with the
given input arguments.
% PROCESAMIENTO_IMAGEN_OK('Property','Value',...) creates a new
PROCESAMIENTO_IMAGEN_OK or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before procesamiento_imagen_ok_OpeningFcn gets called.
An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to procesamiento_imagen_ok_OpeningFcn via
varargin.
31
%
% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one
% instance to run (singleton)".
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help procesamiento_imagen_ok
% Last Modified by GUIDE v2.5 30-Aug-2017 20:47:20
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @procesamiento_imagen_ok_OpeningFcn, ...
'gui_OutputFcn', @procesamiento_imagen_ok_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% --- Executes just before procesamiento_imagen_ok is made visible.
32
function procesamiento_imagen_ok_OpeningFcn(hObject, eventdata, handles,
varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to procesamiento_imagen_ok (see
VARARGIN)
% Choose default command line output for procesamiento_imagen_ok
a=imread('fondo3.jpg');
axes(handles.axes9);
image(a)
axis off
%a=imread('fondo2.jpg');
%axes(handles.axes7);
%image(a)
%axis off
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% UIWAIT makes procesamiento_imagen_ok wait for user response (see
UIRESUME)
% uiwait(handles.figure1);
% --- Outputs from this function are returned to the command line.
33
function varargout = procesamiento_imagen_ok_OutputFcn(hObject, eventdata,
handles)
% varargout cell array for returning output args (see VARARGOUT);
% Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes on button press in imagen.
function imagen_Callback(hObject, eventdata, handles)
% hObject handle to imagen (see GCBO)
[nombre dire] = uigetfile('*jpg','imagen');
if nombre==0
return
end
img_RGB=imread(fullfile(dire,nombre));
axes(handles.axes1)
imshow(img_RGB)
handles.img=img_RGB;
guidata(hObject,handles)
% --- Executes on button press in procesar.
34
function procesar_Callback(hObject, eventdata, handles)
% hObject handle to procesar (see GCBO)
im_RGB=handles.img;
DIM=size(im_RGB);
%PROCESAMIENTO DE LA IMAGEN BINARIA
umb=graythresh(im_RGB);
im_bin=im2bw(im_RGB,umb);
%Parametro importante para metodos DILATACIÓN Y EROCIÓN, y
%decidir con cual se hara el analisis. A menor V mejor
v=5;
%Procesamiento de Imagen Dilatacion
%se adiciona pixeles en las fronteras de la imagen, este depende
%directamenre del parametro modificable de la funcion strel('square',v) es
%el v. strel genera una estructura (rejilla), donde se trelapan el elemento
%central de la rejilla con la operacion de dilatacion
SE=strel('square',v);
im_gray=rgb2gray(im_RGB);
%la funcion edge se refiere a la intensidad de la frontera que por medio
%del metodo sobel aproxima esta frontera a 1(blanco) y lo demas a 0 (negro)
im_edge=edge(im_gray,'sobel');
im_dilate=imdilate(im_edge,SE);
%limpiar los agujeros
im_bin2=imfill(im_dilate,'holes');
35
%PROCESAMIENTO DE PROPIEDADES DE LA IMAGEN
%Obteniendo propiedades de la imagen como: centroide, area, ubicacion, etc
[l, ne]=bwlabel(im_bin2); %crea matriz de detalles con relacion a una matriz binaria,
(blancos y negros)
%con relacion a una matriz binaria, blancos y negros
%entregando numeros enteros de los detalles
propied=regionprops(1);
hold on
for i=1:size(propied,1)
rectangle('Position', propied(i).BoundingBox, 'EdgeColor', 'g', 'LineWidth',2);
x=propied(i).Centroid(1);
y=propied(i).Centroid(2);
plot(x,y,'*')
end
%Busca areas menores a < 1250 y eliminarlas son los defectos de la imagen
s=find([propied.Area]<1250);
for i=1:size(s,2)
rectangle('Position', propied(s(i)).BoundingBox, 'EdgeColor', 'r', 'LineWidth',2);
end
for n=1:size(s,2)
d=round(propied(s(n)).BoundingBox);
im_bin2(d(2):d(2)+d(4),d(1):d(1)+d(3))=0;
end
[l2, ne2]=bwlabel(im_bin2);
36
propied2=regionprops(l2);
NUMERO_DE_NARANJAS=ne2;
%ajuste automatico de la imagen
imagesc([0 DIM(1,2)],[0 DIM(1,1)],im_RGB),grid on;
title({'IMAGEN ORIGINAL';'ESCALA DE MEDIA, RECUADRO Y FRONTERA',})
hold on
for i=1:size(propied2,1)
rectangle('Position', propied2(i).BoundingBox, 'EdgeColor', 'g', 'LineWidth',2);
x=propied2(i).Centroid(1);
y=propied2(i).Centroid(2);
plot(x,y,'*')
end
%Obtiene parametro, linea roja
B=bwboundaries(im_bin2);
for k=1:length(B)
boundary=B{k};
plot(boundary(:,2),boundary(:,1),'r','LineWidth',2)
end
GRI=rgb2gray(im_RGB);
imshow(GRI)
title({'IMAGEN ORIGINAL';'ESCALA DE GRISES'})
%Area en numero de pixeles
AREA=[propied2.Area];
37
%Caja [x1,y1,ancho,largo] donde x1 y y1 son coordenadas superior
%izquierda de la caja
CAJAS=[propied2.BoundingBox];
%Caja de la primera figura
CAJA1=[CAJAS(1,1) CAJAS(1,2) CAJAS(1,3) CAJAS(1,4)];
%Procesamiento de segmentacion de la imagen
%procesamiento de color RGB
RECO=imcrop(im_RGB,[CAJA1]);
imshow(RECO)
title({'NARANJA'})
imshow(im_bin2)
title({'IMAGEN BINARIA'})
%Procesamiento de histogramas
GRIS=rgb2gray(RECO);
RED=RECO(:,:,1);
GREEN=RECO(:,:,2);
BLUE=RECO(:,:,3);
imhist(GRIS)
title({'HISTOGRAMA NARANJA'})
%CARACTERISTICAS NARANJA
TAMANOAREA=12500;
if (AREA<= TAMANOAREA)
38
msgbox('NARANJA DE TAMAÑO PEQUEÑO');
else
msgbox('NARANJA DE TAMAÑO OPTIMO');
end
fprintf('\n')
sumR=sum(RED,1);
sumR1=sum(sumR,2);
sumG=sum(GREEN,1);
sumG1=sum(sumG,2);
sumB=sum(BLUE,1);
sumB1=sum(sumB,2);
imtool(RECO)
%DESICION DE RECHAZO O ACEPTADO
if ((sumR1-sumR1*0.25)>=sumG1) && ((sumG1-sumG1*0.3)<=sumB1)
msgbox('NARANJA ACEPTADA, PREDOMINANTE ROJO');
M1=0;
elseif((sumR1-sumR1*0.1)>=sumG1) && ((sumG1-sumG1*0.3)>=sumB1)
msgbox('NARANJA ACEPTADA, PREDOMINANTE AMARILLO');
M1=0;
else
msgbox('NARANJA RECHAZADA, PREDOMINANTE VERDE');
M1=1;
end
% --- Executes on button press in regresar.
function regresar_Callback(hObject, eventdata, handles)
39
% hObject handle to regresar (see GCBO)
close(procesamiento_imagen_ok);
untitled
CÓDIGO DE LA GUIDE EN MATLAB APLICADO AL CONTROL DEL ROBOT
TELEOPERADO
function varargout = untitled(varargin)
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @untitled_OpeningFcn, ...
'gui_OutputFcn', @untitled_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
40
% --- Executes just before untitled is made visible.
function untitled_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% varargin command line arguments to untitled (see VARARGIN)
% Choose default command line output for untitled
a=imread('fondo2.jpg');
image(a)
axis off
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
axis off
% UIWAIT makes untitled wait for user response (see UIRESUME)
% uiwait(handles.figure1);
41
% --- Outputs from this function are returned to the command line.
function varargout = untitled_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes on button press in adelante.
function adelante_Callback(hObject, eventdata, handles)
% hObject handle to adelante (see GCBO)
% Hint: get(hObject,'Value') returns toggle state of adelante
a=get(hObject,'Value');
if a == 1
urlread('http://192.168.0.110/?adelante');
else
urlread('http://192.168.0.110/?parada1');
42
end
% --- Executes on button press in atras.
function atras_Callback(hObject, eventdata, handles)
% hObject handle to atras (see GCBO)
% Hint: get(hObject,'Value') returns toggle state of atras
if a == 1
urlread('http://192.168.0.110/?atras');
else
end
% --- Executes on button press in izquierda.
function izquierda_Callback(hObject, eventdata, handles)
% hObject handle to izquierda (see GCBO)
% Hint: get(hObject,'Value') returns toggle state of izquierda
43
if a == 1
urlread('http://192.168.0.110/?izquierda');
else
end
% --- Executes on button press in derecha.
function derecha_Callback(hObject, eventdata, handles)
% hObject handle to derecha (see GCBO)
% Hint: get(hObject,'Value') returns toggle state of derecha
if a == 1
urlread('http://192.168.0.110/?derecha');
else
end
44
% --- Executes on button press in prender_camara.
function prender_camara_Callback(hObject, eventdata, handles)
% hObject handle to prender_camara (see GCBO)
global url
axes(handles.imagen_camara);
url='http://192.168.43.1:8080/shot.jpg';
ss = imread(url);
fh = image(ss);
while(1)
ss = imread(url);
set(fh,'CData',ss);
drawnow;
end
% --- Executes on button press in capturar_imagen.
function capturar_imagen_Callback(hObject, eventdata, handles)
% hObject handle to capturar_imagen (see GCBO)
global url imagen_base
imagen_base = imread(url); %leemos imagen
axes(handles.imagen_estatica); %manda al eje: imagen base
imshow(imagen_base); %imprime la imagen base
45
% --- Executes on button press in guardar_imagen.
function guardar_imagen_Callback(hObject, eventdata, handles)
% hObject handle to guardar_imagen (see GCBO)
rgb = getimage(handles.imagen_estatica);
if isempty(rgb), return, end
% Guardar archivo
formatos = {'*.jpg','JPEG (*.jpg)';'*.tif','TIFF (*.tif)'};
[nomb,ruta] = uiputfile(formatos,'GUARDAR IMAGEN');
if nomb==0, return, end
fName = fullfile(ruta,nomb);
imwrite(rgb,fName);
% --- Executes on button press in procesamiento.
function procesamiento_Callback(hObject, eventdata, handles)
% hObject handle to procesamiento (see GCBO)
close(untitled);
procesamiento_imagen_ok
46
GRÁFICA DEL ENLACE IP DEL ROBOT MÓVIL
DIBUJOS CAD
47
SIMULACIÓN SOLIDOWORKS – SIMULINK
48
49

Informe Robotica

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Informe Robotica

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL DE TRUJILLO

TEMA : CONTROL DE UN ROBOT MÓVIL MEDIANTE

ALUMNO : BARTOLO ESCOBAL, RAFAEL

DOCENTE : Ing. ALVA ALCÁNTARA, JOSMEL HENRY

Conforme fue evolucionando la robótica se desarrollaron diversas metodologías para

metodologías se desarrollaron para movilizar al robot en un entorno con obstáculos no

estables. Se obtuvieron buenos resultados a costa de la alta complejidad de sus

algoritmos, así como la gran cantidad de sensores implementados en el robot y entorno.

El presente proyecto busca la implementación física de un robot móvil para tomar

fotografías a plantas y realizar el procesamiento digital en el software Matlab usando

obstáculos. Definidas las condiciones del terreno y su distribución; fueron probados

algunos algoritmos de planeación de trayectorias, para seleccionar el más eficiente que

se adapta a la aplicación. También se tuvo que diseñar algoritmos acorde a las

condiciones dadas para la movilidad del proyecto y realizar que el procesamiento de

imágenes sea lo más eficiente posible.

2.1. Planteamiento del Problema

A. Formulación del Problema:

Con el proyecto a desarrollar, se quieren resolver los siguientes problemas:

a. Traslado de una coordenada inicial a otra final autónomamente, con las

posiciones previamente configuradas.

b. Conexión del móvil, cámara y arduino mediante Wifi.

c. Tomar fotografías y procesarlas en el software Matlab usando una laptop.

d. Monitorear en tiempo real la navegación del robot.

“Con el uso de códigos de generación de trayectorias y procesamiento de

imágenes, se verifica la posibilidad de que un robot móvil siga una trayectoria, y

realice la verificación de estado de plantas y/o frutas.”

✓ Implementar un robot móvil de configuración ackerman que tome y procese

fotografías a plantas usando una cámara IP para clasificación de las

✓ Implementar algoritmos para realizar el procesamiento de imágenes

✓ Decepcionar y enviar datos mediante una red Wifi.

✓ Verificar el sistema de control automatizado a través programas que nos

permitan realizar una correcta simulación.

✓ Establecer los procedimientos para un correcto funcionamiento del robot

móvil de configuración ackerman.

✓ Evaluar económicamente el robot móvil de configuración ackerman.

N° MATERIAL ESPECIFICACIONES TÉCNICAS

3.1.1. Configuración del Robot Móvil Ackerman

Un robot en configuración Ackerman consiste en un cuerpo rígido con centro

de masa y gravedad P0, radio de rotación RG, masa MG y un momento de

inercia IG con dos ruedas traseras no deformables y no orientables (fijas)

separadas una distancia b entre ellas y a una distancia l de dos ruedas

delanteras orientables (también a una distancia b entre ellas) tal y como se

muestra en las figuras 19 y 20. La dirección Ackerman modifica la orientación

ruedas cumplen con la condición de rodamiento puro sin deslizamiento lateral

trayectoria curva con radios distintos, pero con un centro instantáneo de

bicicleta ([19], [20]) suponiendo que el movimiento se restringe a un plano

horizontal. Con esto, se utiliza el promedio Φ de los ángulos de las ruedas

equivalente en donde se aplica la fuerza del motor. A diferencia del caso

diferencial, los de configuración Ackerman pueden ir a una velocidad en la

cual se presente deslizamiento, por lo que será considerado en el modelo, a

menos que se garantice una velocidad baja en la plataforma según las

condiciones establecidas en [20].

3.1.2. Modelo Cinemático del Robot Móvil Ackerman

El modelo cinemático de esta configuración representa la evolución de las

mediante las coordenadas del punto P0 = (x, y) y el ángulo de avance θ en el

marco de referencia global (XG, YG) en la figura 19.

Conociendo las velocidades lineales y angulares (v y ω) en el marco de

𝑥̇ cos 𝜃 − sin 𝜃 0 𝑣𝑥 𝑥̇ = 𝑣𝑥 (𝑡) cos 𝜃 (𝑡) − 𝑣𝑦 (𝑡) sin 𝜃 (𝑡)

Existen muchas formas de resolver esta ecuación diferencial, sin embargo,

es conveniente obtener el resultado exacto de la integral y evaluar el uso de

aproximaciones que se consideren convenientes para simplificar el cálculo en

la ejecución del algoritmo sobre el robot.

La solución exacta de (1) se calcula de forma discreta para un periodo de