Publicación: Navegación autónoma en entornos dinámicos mediante SLAM
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
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.
Resumen en inglés
ABSTRACT: This research addresses the challenge of autonomous navigation in dynamic industrial environments, where mobile robots face difficulties adapting to unexpected changes and avoiding collisions, compromising operational safety and efficiency. Traditional navigation systems using LiDAR sensors and cameras often have limited adaptability to changing environments. This study explores the implementation of a system that integrates advanced sensors and SLAM (Simultaneous Localization and Mapping) algorithms to enhance environmental perception and autonomous navigation. To tackle this issue, a robotic platform based on an Ackermann-type vehicle was developed, equipped with an RPLIDAR A1M8 sensor and an Intel RealSense D435i depth camera. The integration was carried out using ROS2, enabling efficient management and synchronization of sensors and actuators. The SLAM Toolbox algorithm was implemented in asynchronous mode for real-time mapping and localization. Additionally, obstacle detection and tracking algorithms were developed using point cloud clustering and filtering techniques. The A* algorithm was employed for path planning, integrated with a Pure Pursuit and PID controller for precise path tracking. The main findings demonstrated that integrating LiDAR and depth cameras allows the robot to detect and avoid dynamic obstacles effectively, enhancing its ability to adapt to environmental changes. The system successfully updated the map in real-time, replanned routes, and maintained stability and precision in navigation, even in unpredictable scenarios. Controlled environment tests confirmed the system's effectiveness in avoiding collisions and adapting to new obstacles, overcoming the limitations of basic SLAM approaches. This solution significantly improves the safety and efficiency of autonomous navigation, laying a foundation for future applications in industrial and service settings.