Estudo da Aplicação dos Filtros de Partículas e Filtro de Kalman Estendido em Dados de Sensores RADAR e LIDAR / Study of the Application of Particle Filters and Extended Kalman Filter in RADAR and LIDAR Sensor Data

Moysés de Oliveira Neto, Luiz Felipe Ribeiro Barrozo Toledo

Abstract


Este artigo aborda o estudo das técnicas de filtragem e fusão de dados conhecidas como Filtro de Kalman Estendido (Extended Kalman Filter – EKF) e Filtro de Partículas (Particle Filter – PF), quando aplicadas aos dados de leitura de dois sensores, o RADAR e o LIDAR, presentes na maioria dos veículos e equipamentos móveis autônomos. O estudo é feito aplicando os filtros a uma amostra de dados obtida através do processo de leitura dos sensores. Com isso, se possibilitou o entendimento e também demonstrar situações onde foi possível observar o comportamento dos filtros e através destes resultados evidenciar seus pontos fortes e fraquezas diante do cenário apresentado, bem como os resultados da fusão dos dados destes dois sensores.


Keywords


sensores, Kalman, Partículas.

References


LEITE, D.; FIGUEIREDO, K.; VELLASCO, M. (2015). Localização por Kalman Estendido Aplicado a Mapas Baseados em Marcos com e sem Correspondência Conhecida. XII Simpósio Brasileiro de Automação Inteligente (SBAI), 1–6. http://swge.inf.br/SBAI2015/anais/570.pdf

FOX, D. B. W. a. T. S., 1999. Markov localization for reliable robot. s.l.:s.n.

GROSSMAN, P. (1998). Multisensor data fusion. GEC Journal of Technology, vol. 15, no. 1 pp. 27-37. https://www.researchgate.net/publication/293573229_Multisensor_data_fusion

ELMENREICH, W. (2002). An introdution to sensor fusion. Institut für Technische Informatik, Tech. Rep. https://www.researchgate.net/profile/Wilfried_Elmenreich/publication/267771481_An_Introduction_to_Sensor_Fusion/links/55d2e45908ae0a3417222dd9/An-Introduction-to-Sensor-Fusion.pdf

ROBOSENSE, (2020). RS-LiDAR-16 User Manual. Shenzhen Suteng Innovation Technology Co. Ltd.

IWR1443BOOST, (2020). Evaluation Module mmWave Sensing Solution. Texas Instruments User’s Guide.

WELCH, G.; BISHOP, G. (2006) An Introduction to the Kalman Filter. Chap Hill, NC.

DELLAERT, F.; FOX, D.; BURGARD, W.; and THRUN, S. 1999b. Monte Carlo localization for mobile robots. Proc. of ICRA-99.

SEBASTIAN T. (2002). Particle Filters in Robotics. Computer Science Department Carnegie Mellon Universtiy.




DOI: https://doi.org/10.38152/bjtv4n4-002

Refbacks

  • There are currently no refbacks.