1. Início
  2. Faculdade de Ciências e Tecnologia
  3. Engenharia de Fabrico Digital Avançado
  4. Telerobótica e Sistemas Autónomos

Telerobótica e Sistemas Autónomos

Objetivos

  1. Conhecer
    1. Conceitos fundamentais de Sistemas Autónomos
    2. Conceitos fundamentais de Sensores de Robôs móveis e suas características
    3. Visão Robótica 2D e 3D
    4. Conceitos fundamentais de percepção utilizando várias modulidades
    5. Percepção Activa e Passiva
    6. Métodos de Localização Probabilistica
  2. Capaz de Fazer
    1. Equacionar problemas novos e estratégias de implementação de sistemas robotizados autónomos heterogéneos
    2. Incrementar a capacidade de concretização de implementação de sistemas robotizados
    3. Desenvolver a criatividade e inovação.
  3. Competências não-técnicas
    1. Desenvolver a capacidade de síntese e análise crítica
    2. Trabalhar em equipa e incrementar a comunicação escrita e oral
    3. Capacidade de gestão de tempo e cumprimento de prazos

Caracterização geral

Código

10991

Créditos

6.0

Professor responsável

José António Barata de Oliveira, Luís Manuel Camarinha de Matos

Horas

Semanais - 4

Totais - 56

Idioma de ensino

Português

Pré-requisitos

  • Saber Programar

Bibliografia

  • Thrun, S,  M., Burgard, Fox D  (2006). Probabilistic Robotics. MIT Press,668
  • Siegwart, R., Nourbakhsh, I. R., & Scaramuzza, D. (2011). Introduction to autonomous mobile robots. MIT press.
  • Chatterjee, A., Rakshit, A., & Singh, N. N. (2012). Vision based autonomous robot navigation: algorithms and implementations (Vol. 455). Springer.
  • Ferreira, J. F., & Dias, J. M. (2014). Probabilistic approaches to robotic perception. Springer International Publishing.
  • Kaehler, A., & Bradski, G. (2016). Learning OpenCV 3: computer vision in C++ with the OpenCV library. " O''''Reilly Media, Inc.".

 

Método de ensino

As aulas teorico-praticas (TP) são dirigidas de forma a que os estudantes, através da sua participação activa, compreendam cada um dos tópicos listados nos objectivos de aprendizagem.

Nas aulas laboratoriais (PL) os estudantes focam-se na experimentação dos conceitos expostos nas aulas teórico-práticas de forma a saberem fazer.

Para cada trabalho prático:

  • Apresentação do enunciado,
  • tutorial sobre as tecnologiais / ferramentas a usar,
  • discussão do método de trabalho,
  • realização do trabalho pelos alunos acompanhados por docente e
  • elaboração de relatório.

Componentes de Avaliação

  • 2 Mini-Testes
  • 3 Trabalhos Práticos

Regras de Avaliação

  • Nota Teórica = (Mini-Teste 1 + Mini-Teste 2) / 2
  • Nota Teórica >= 9.5
  • Cada Trabalho Prático >= 9.5
  • Nota Prática = TP1 * Peso1 + TP2 * Peso2 + TP3*Peso3 ; Pesos são anunciados no início da UC
  • Nota Final = Nota Prática * 0.7 + Nota Teórica * 0.3

Método de avaliação

Componentes de Avaliação

  • 1 Teste
  • 3 Trabalhos Práticos

Regras de Avaliação

  • Nota Teórica = Teste
  • Nota Teórica >= 9.5
  • Cada Trabalho Prático >= 9.5
  • Nota Prática = TP1 * Peso1 + TP2 * Peso2 + TP3*Peso3 ; Pesos são anunciados no início da UC
  • Nota Final = Nota Prática * 0.7 + Nota Teórica * 0.3

Conteúdo

1.      INTRODUÇÃO

o   Percepção em Robótica: Medição vs. Percepção ( 2D, 3D, Sound, etc)

2.      SENSORES BASEADOS EM VISÃO

o   Cameras monoculares e binoculares

o   Imagens omnidireccionais e multiespectrais

3.      DADOS A 3 DIMENSÕES:

o    Par estereoscópico, Luz Estruturada

o   LiDAR, SONAR, Time of Flight

4.      REPRESENTAÇÃO TRIDIMENSIONAL DE OCUPAÇÃO:

o    Nuvens de pontos, Voxel Grids, Octrees

5.      REGISTO TRIDIMENSIONAL

o  Ponto mais próximo iterativo

o   Scan Matching

6.      SEGMENTAÇÃO TRIDIMENSIONAL FILTRAGEM TRIDIMENSIONAL

o   Sample Consensus

o   Euclidean & Conditional Clustering

o   KdTrees"

7.      PERCEÇÃO MULTIMODAL E FUSÃO DE DADOS

8.      RASTREIO DE OBJETOS MULTIMODAL

9.      PERCEÇÃO ATIVA

10.   LOCALIZAÇÃO E MAPEAMENTO DE ROBÔS MÓVEIS

o   O desafio da Localização

o   Dead Reckoning

o   Sensores básicos de localização

o   Localização Global

o   Localização baseada em mapeamento

o   Tecnicas SLAM