Examinando por Autor "Aristizábal Gómez, Luis Miguel"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Desarrollo de un sensor capacitivo para un capacitor de placas coplanares que usa frutos de palma de aceite como material dieléctrico
    (Universidad EIA, 2023) Estrada Ramos, Joan Sebastián; Imbachi Varela, Jose Manuel; Aristizábal Gómez, Luis Miguel
    RESUMEN: el cultivo de la palma de aceite representa un gran porcentaje de la producción agrícola de Colombia, además de representar uno de los principales cultivos a nivel mundial, permeando toda clase de industrias. La identificación de la madurez del fruto para su recogida se realiza de forma artesanal, basándose en caracteres muy variantes cruzados con la temporalidad de la cosecha para determinar el mejor momento de recogida. En este trabajo se desarrollará una solución que, a través de métodos de sensado de capacitancia, busca el desarrollo de un sensor que ayude a identificar la madurez de los frutos en 3 etapas de interés (Verde, Maduro y Sobre maduro).
  • Miniatura
    PublicaciónAcceso abierto
    Navegación autónoma en entornos dinámicos mediante SLAM
    (Universidad EIA, 2024) Jaramillo Gaviria, Diego Alejandro; Aristizábal Gómez, Luis Miguel
    RESUMEN: La investigación aborda el problema de la navegación autónoma en entornos industriales dinámicos, donde los robots móviles enfrentan dificultades para adaptarse a cambios inesperados en el entorno y evitar colisiones, lo que compromete la seguridad y la eficiencia operativa. Aunque los sistemas de navegación tradicionales utilizan sensores como LiDAR y cámaras, su capacidad para adaptarse a entornos cambiantes es limitada. Este trabajo explora la implementación de un sistema que integra sensores avanzados y algoritmos de SLAM (Simultaneous Localization and Mapping) para mejorar la percepción del entorno y la navegación autónoma. Para abordar este problema, se desarrolló una plataforma robótica basada en un carro con dirección tipo Ackermann equipado con un sensor LiDAR RPLIDAR A1M8 y una cámara de profundidad Intel RealSense D435i. La integración se llevó a cabo utilizando ROS2, que permitió la gestión y sincronización de sensores y actuadores. Se implementó el algoritmo SLAM Toolbox en modo asíncrono para la localización y mapeo en tiempo real. Adicionalmente, se desarrollaron algoritmos de detección y seguimiento de obstáculos mediante clusterización de nubes de puntos y técnicas de filtrado. Para la planificación de rutas, se utilizó el algoritmo A* y se integró con un controlador Pure Pursuit y PID para el seguimiento preciso de la trayectoria. Los hallazgos principales demostraron que la integración de sensores LiDAR y cámaras de profundidad permite al robot detectar y evitar obstáculos dinámicos de manera eficiente, mejorando la capacidad de adaptarse a cambios en el entorno. El sistema logró actualizar el mapa en tiempo real, replantear rutas y mantener la estabilidad y precisión en la navegación, incluso en escenarios impredecibles. Las pruebas realizadas en un entorno controlado confirmaron la efectividad del sistema para evitar colisiones y adaptarse a obstáculos nuevos, superando las limitaciones de enfoques basados en SLAM básico. Esta solución proporciona un avance significativo en la seguridad y eficiencia de la navegación autónoma, sentando bases para aplicaciones futuras en entornos industriales y de servicios.