Professional Documents
Culture Documents
CENTRO TECNOLÓGICO
DEPARTAMENTO DE ENGENHARIA ELÉTRICA
MONOGRAFIA DE PROJETO DE GRADUAÇÃO
VITÓRIA – ES
DEZEMBRO/2017
HILTON CARLOS MIRANDA LESSA
VITÓRIA – ES
DEZEMBRO/2017
HILTON CARLOS MIRANDA LESSA
COMISSÃO EXAMINADORA:
________________________________________________
Prof. Dr. Teodiano Freire Bastos Filho
UFES
Orientador
________________________________________________
Prof. Dr. Anselmo Frizera Neto
UFES
Coorientador
________________________________________________
Prof. Dr. André Ferreira
UFES
Examinador
________________________________________________
Profa. Dra. Eliete Maria de Oliveira Caldeira
UFES
Examinadora
Dedico este trabalho à memória de meu padrinho Jonas Renato Lugon.
Agradeço a todas pessoas que, de alguma forma, participaram desta caminhada. Agradeço a
minha família, especialmente meus pais, por todo apoio prestado e por proporcionar as
condições ideais para a minha jornada na eterna busca pelo conhecimento. Agradeço a minha
namorada pelo apoio emocional nos momentos de dificuldade. Agradeço ainda aos meus
amigos, que fizeram com que esta jornada fosse muito mais prazerosa. E finalmente, agradeço
aos meus professores e todos servidores da UFES, especialmente aos meus orientadores,
pessoas com quem sempre convivi em clima amistoso e respeitoso.
RESUMO
1 CONSIDERAÇÕES INICIAIS
1.1 Introdução
1.2 Objetivos
Com o intuito de proporcionar recursos para melhorar a qualidade de vida pessoas com
deficiência, diversos estudos, equipamentos e tecnologias vêm sendo desenvolvidos. Como
parte integrante deste espectro de tecnologias assistivas em desenvolvimento, este trabalho tem
como objetivo oferecer de forma simples e completa, uma ferramenta capaz de fornecer a outras
aplicações a informação da localização de uma cadeira de rodas motorizada, a partir de um sinal
obtido através da fusão do sinal de sensores inerciais e do sistema odométrico da cadeira de
rodas em que se encontra o usuário, possibilitando por exemplo adquirir informações sobre a
posição e orientação da cadeira de rodas para realização de controle avançado de locomoção
automática ou semi-automática.
Do ponto de vista técnico, este trabalho tem como objetivo o desenvolvimento da aplicação em
uma plataforma confiável, eficiente e moderna; o fornecimento de forma simples e prática do
resultado da fusão sensorial com latência coerente para o uso sugerido; o uso de sensores de
baixo custo e não invasivos para o cumprimento do objetivo proposto; a avaliação quantitativa
da precisão do sistema sensorial; e por fim a avaliação qualitativa do desempenho da aplicação
como ferramenta para o desenvolvimento de aplicações mais complexas.
1.3 Justificativa
limitações. Assim, segundo BORENSTEIN et al. (1997), não existe uma solução única,
definitiva e elegante.
Este trabalho apresenta uma forma de medição da localização de uma cadeira de rodas
baseada na fusão da odometria por encoders de precisão com sensores inerciais (acelerômetros,
giroscópios e magnetômetro).
Primeiro, é apresentada uma visão geral do contexto que levou ao desenvolvimento deste
trabalho. Depois, são apresentados os recursos utilizados para desenvolver o sistema de
localização de cadeira de rodas motorizada. Em seguida, são apresentadas as técnicas para fusão
dos sinais dos sensores presentes na aplicação. Posteriormente, discute-se as funcionalidades
que se fizeram necessárias e as modificações demandadas no decorrer do projeto, bem como
sua forma de implementação. Na sequência, é abordada a verificação e validação do
desempenho do sistema proposto em um cenário controlado. Subsequentemente, apresenta-se
a fusão com o sistema de odometria presente na cadeira de rodas. Finalmente são apresentados
os testes realizados para avaliar o desempenho do sistema, seguido de conclusão e propostas de
trabalhos futuros.
2 RECURSOS UTILIZADOS
hibernação ou de baixa frequência, característica desejável caso seja utilizada uma bateria para
alimentação (ARM, 2010). Além disso, a plataforma possui 1MB de memória flash, suficiente
para aplicações com Sistemas Operacionais de Tempo Real.
Adicionalmente, a FRDM k64f possui diversos periféricos embarcados e opções de
expansão, como a placa MULTI-B, apresentada na seção 3.2 e utilizada neste projeto.
Por fim, esta plataforma ainda conta com um completo suporte por parte da NXP®, com
ambiente de desenvolvimento, diversos exemplos e aplicações de referência, fórum, além de
um completo sistema de depuração.
2.3 Sensores
A aplicação completa conta com 4 tipos de sensores, os quais são os sensores inerciais
(acelerômetros, giroscópios e magnetômetros) e os encoders.
2.3.1 Giroscópio
2.3.2 Acelerômetro
Com o passar do tempo, acelerômetros cada vez mais precisos e menores foram sendo
desenvolvidos. Em meados dos anos 90 surgiram os acelerômetros do tipo MEMS (Micro
Eletromechanical Systems) (ANDREJAŠIC, 2008). Estes acelerômetros são microusinados e
sua configuração, representada na Figura 6, utiliza a variação de capacitância para aferir a
aceleração linear em que o dispositivo está submetido.
2.3.3 Magnetômetro
Figura 8 – Chip FXOS8700CQ utilizado neste trabalho, o qual contém acelerômetros e magnetômetros
integrados.
2.3.4 Encoder
Na medida que este disco é girado, os fotodiodos alternam entre estados de condução,
gerando pulsos que permitem determinar quanto e em que sentido o eixo do sensor girou.
Para o sistema de odometria da cadeira de rodas foi utilizado um par de encoders
incrementais CP350. A frequência máxima de detecção deste sensor é de 150kHz (OPTICAL
ENCODER, [S.d.]). Além disso, este sensor já se encontrava instalado na cadeira de rodas
através de um sistema de polias quando esta pesquisa foi iniciada.
2.4 Programa
Para os testes, foi utilizada a cadeira de rodas da empresa Freedom, a qual está
disponível no NTA (Núcleo de Tecnologia Assistiva). Essa cadeira possui duas rodas de tração
acopladas a motores CC, além de duas rodas livres e encoders para o cálculo de velocidade.
3 FUSÃO SENSORIAL
A fusão sensorial é o processo de unir os sinais obtidos por vários sensores para obter
uma informação que não seria possível determinar (ou que seria muito imprecisa) com apenas
um sensor (NXP SEMICONDUCTORS, 2017b). Neste projeto foi utilizada a biblioteca de
fusão sensorial provida pela NXP Semiconductors® para computar a orientação 3D da placa de
desenvolvimento a partir de acelerômetros, giroscópios e magnetômetros. Nas sessões
seguintes são apresentadas algumas carcaterísticas importantes desta biblioteca. Todas
informações foram obtidas a partir do manual do usuário (NXP SEMICONDUCTORS, 2016b)
e do código executado pela aplicação.
21
3.1 Parâmetros
Esta aplicação comporta amostragem múltipla de sensores. Desta forma, pode-se ler
múltiplas vezes cada sensor antes de realizar a fusão. As configurações foram as seguintes:
Acelerômetros: 200 Hz
Magnetômetros: 200 Hz
Giroscópios: 400 Hz
Taxa de fusão: 40 Hz
A comunicação com a placa é feita através de uma porta serial, podendo utilizar
Bluetooth® ou USB. Para a calibração dos sensores foi utilizada Bluetooth®, e para a aplicação
efetiva foi utilizada USB a fim de não depender da carga da bateria.
Uma ferramenta muito útil para o processamento e fusão dos sinais sensoriais é o filtro
de Kalman. O filtro de Kalman foi desenvolvido por Rudolf E. Kálmán (ULUSOY, 2017) e
pode ser utilizado para: estimar o erro de leituras com erros de desvio sistemático (LIU; PANG,
2001); estimar variáveis que só podem ser medidas indiretamente (ULUSOY, 2017); ou para
realizar a fusão dos sinais de múltiplos sensores (PEDLEY; STANLEY, 2015b; ULUSOY,
2017). No caso desta aplicação, o filtro de Kalman é usado principalmente para estimar a
orientação da plataforma de desenvolvimento a partir dos 3 conjuntos de sensores utilizados
(Acelerômetros, Giroscópios e Magnetômetros).
De acordo com Pedley e Stanley (2015), pode-se destacar 4 importantes equações que
regem a matemática do filtro de Kalman:
+
𝑥̂𝑘−1 : Valor a posteriori da estimativa do processo na amostra k-1.
𝑃𝑘− = 𝐴𝑘 𝑃𝑘−1
+
𝐴𝑇𝑘 + 𝑄𝑤,𝑘 ,
onde:
𝑃𝑘−: Valor a priori da covariância do erro na amostra k.
+
𝑃𝑘−1 : Valor a posteriori da covariância do erro na amostra k-1.
𝐴𝑘 : Matriz de predição linear na amostra k.
𝐴𝑇𝑘 : Matriz de predição linear transposta na amostra k.
𝑄𝑤,𝑘 : Matriz da covariância do erro aditivo wk na amostra k.
3.3 Calibração
No campo 1, é selecionada a forma de comunicação com a placa, podendo ser via USB
ou Bluetooth®. Neste caso, é necessário identificar a porta de comunicação que o computador
alocou para estas comunicações e configurá-la previamente no código. O botão Conectar inicia
a aquisição dos dados provenientes da placa.
No campo 2, pode-se desconectá-la da placa. Isso pode ser necessário caso outro
programa utilize a mesma porta de comunicação com a placa ou quando a GUI é fechada sem
desconectá-la da porta, impossibilitando que a porta seja aberta novamente.
No campo 3, é apresentada graficamente a posição da placa, além do valor numérico em
graus imediatamente abaixo do ponteiro referente. As 3 variáveis apresentadas (Roll, Pitch e
Yaw) são consagrados pela aviação e são suficientes para determinar a orientação de um objeto
no espaço tridimensional. O Roll (Rolagem) é referente à angulação em torno do próprio eixo;
o Pitch (Arfagem) é referente à inclinação do eixo longitudinal da placa com o plano do chão;
e o Yaw (Guinada), também chamado de Compass, pode ser relacionado com o movimento de
bússola, com a orientação paralela ao plano do piso.
26
Figura 14 - Referências para as medidas.
3.3.1 Acelerômetro
3.3.2 Giroscópio
leitura. Esta tática é eficiente para esta aplicação, contudo, robôs móveis que raramente estão
em regime estacionário demandarão esforços computacionais mais apurados para compensar
os erros de leitura (NXP SEMICONDUCTORS, 2017b).
3.3.3 Magnetômetro
4 FUNCIONALIDADES ADICIONADAS
5 VALIDAÇÃO
5.1 Metodologia
5.2 Resultados
5.2.1 Ensaio 1
Passo: 90 graus
Sentido: Anti-Horário
Instrumento de aferição: Goniômetro
Incerteza do instrumento: ±0.5 graus
Número de posições: 5
Orientação ao
Orientação Orientação Variação de Variação de
Posição término do Erro
inicial após 10s posição medida posição esperada
movimento
1 188.5 graus 100.7 graus 98.8 graus 89.7 graus 90.0 graus 0.3 graus
2 96.8 graus 3.0 graus 4.3 graus 92.5 graus 90.0 graus -2.5 graus
3 4.2 graus 272.9 graus 275.5 graus 88.7 graus 90.0 graus 1.3 graus
4 276.0 graus 189.1 graus 189.1 graus 86.9 graus 90.0 graus 3.1 graus
5.2.2 Ensaio 2
Passo: 90 graus
Sentido: Horário
Instrumento de aferição: Goniômetro
Incerteza do instrumento: ±0.5 graus
Número de posições: 5
Tabela 2 - Resumo de dados do ensaio 2.
Orientação ao
Orientação Orientação Variação de Variação de
Posição término do Erro
inicial após 10s posição medida posição esperada
movimento
1 2.5 graus 93.1 graus 95.7 graus 93.2 graus 90.0 graus -3.2 graus
2 96.8 graus 185.0 graus 190.9 graus 94.1 graus 90.0 graus -4.1 graus
3 191.2 graus 276.2 graus 277.2 graus 86.0 graus 90.0 graus 4.0 graus
4 277.4 graus 6.4 graus 3.7 graus 86.3 graus 90.0 graus 3.7 graus
5.2.3 Ensaio 3
Passo: 45 graus
Sentido: Horário
Instrumento de aferição: Goniômetro
Incerteza do instrumento: ±0.5 graus
Número de posições: 8
Orientação ao
Orientação Orientação Variação de Variação de
Posição término do Erro
inicial após 10s posição medida posição esperada
movimento
1 188.2 graus 228.9 graus 229.4 graus 41.2 graus 45.0 graus 3.8 graus
2 229.5 graus 272.0 graus 275.4 graus 45.9 graus 45.0 graus -0.9 graus
3 275.6 graus 319.1 graus 319.2 graus 43.6 graus 45.0 graus 1.4 graus
4 319.2 graus 4.8 graus 4.5 graus 45.3 graus 45.0 graus -0.3 graus
5 4.7 graus 49.8 graus 49.9 graus 45.2 graus 45.0 graus -0.2 graus
6 49.9 graus 94.2 graus 95.0 graus 45.1 graus 45.0 graus -0.1 graus
7 95.4 graus 138.7 graus 140.4 graus 45.0 graus 45.0 graus 0.0 graus
5.2.4 Ensaio 4
Passo: 45 graus
Sentido: Anti-Horário
Instrumento de aferição: Goniômetro
Incerteza do instrumento: ±0.5 graus
Número de posições: 8
Tabela 4 - Resumo de dados do ensaio 4.
Orientação ao
Orientação Orientação Variação de Variação de
Posição término do Erro
inicial após 10s posição medida posição esperada
movimento
1 189.4 graus 146.0 graus 143.3 graus 46.1 graus 45.0 graus -1.1 graus
2 142.7 graus 98.7 graus 98.6 graus 44.1 graus 45.0 graus 0.9 graus
3 98.0 graus 52.4 graus 52.5 graus 45.5 graus 45.0 graus -0.5 graus
4 52.6 graus 5.9 graus 6.3 graus 46.3 graus 45.0 graus -1.3 graus
5 6.3 graus 320.1 graus 321.3 graus 45.0 graus 45.0 graus 0.0 graus
6 321.8 graus 276.2 graus 271.1 graus 50.7 graus 45.0 graus -5.7 graus
7 274.3 graus 230.8 graus 230.9 graus 43.4 graus 45.0 graus 1.6 graus
5.2.5 Ensaio 5
Passo: aleatório
Sentido: aleatório
Instrumento de aferição: Goniômetro
Incerteza do instrumento: ±0.5 graus
Número de posições: 6
Orientação ao
Orientação Orientação Variação de Variação de
Posição término do Erro
inicial após 5s posição medida posição esperada
movimento
1 3.9 graus 183.8 graus 187.6 graus -183.7 graus -180.0 graus 3.7 graus
2 187.6 graus 319.4 graus 318.8 graus -131.2 graus -135.0 graus -3.8 graus
3 318.6 graus 98.6 graus 96.5 graus 222.1 graus 225.0 graus 2.9 graus
4 96.4 graus 0.9 graus 2.9 graus 93.5 graus 90.0 graus -3.5 graus
5 4.4 graus 5.1 graus 5.2 graus 359.2 graus 360.0 graus 0.8 graus
5.3 Conclusão
A partir dos dados obtidos pela validação do sistema, calculou-se que o erro médio
obtido foi de 2,067º, e que o erro máximo foi de 5,7º. Inicialmente, considerando que o uso de
magnetômetros em ambientes internos está sujeito a erros típicos de +/-45º (BASTOS-FILHO,
2007), estipulou-se que o erro máximo para essa aplicação, após realizada a fusão, deveria ser
de +/-10º. Desta forma, esta tecnologia está dentro do esperado e comporta a aplicação desejada.
37
Desta forma obtém-se como variáveis de saída a posição (x,y) da cadeira de rodas em
relação ao ponto inicial.
39
7 TESTES
7.1 Cenário 1
7.1.1 Resultados
Como resultado do teste pode-se observar a Figura 25. Nela estão representadas as 4
voltas realizadas. Quando analisado juntamente com o vídeo do procedimento sendo realizado,
pode-se observar que o gráfico traduz de forma eficiente o movimento realizado neste percurso
pelo operador.
40
Figura 25 - Percurso do cenário 1.
7.2 Cenário 2
Assim, a operação da cadeira neste cenário se deu de forma combinada, com contato
visual direto apenas nas curvas do percurso.
7.2.1 Resultados
ponto B. Além disso, novamente a rota ilustra corretamente o percurso realizado, fato que pode
ser verificado ao avaliar o sistema através dos vídeos.
9 BIBLIOGRAFIA
ANDREJAŠIC, Matej. MEMs Accelerometers. Electronics and Power. [S.l: s.n.], 2008.
Disponível em: <http://digital-library.theiet.org/content/journals/10.1049/ep.1965.0296>.
BORENSTEIN, J. et al. Mobile robot positioning: Sensors and techniques. Journal of Robotic
Systems, v. 14, n. 4, p. 231–249, 1997. Disponível em:
<http://doi.wiley.com/10.1002/%28SICI%291097-
4563%28199704%2914%3A4%3C231%3A%3AAID-ROB2%3E3.3.CO%3B2-1>.
CAI, Yongyao et al. Magnetometer basics for mobile phone applications. Electronic Products
(Garden City, New York), v. 54, n. 2, 2012.
FINLAYSON, Marcia; VAN DENEND, Toni. Experiencing the loss of mobility: perspectives
of older adults with MS. Disability and Rehabilitation, v. 25, n. 20, p. 1168–1180, 7 jan.
2003. Disponível em:
<http://www.tandfonline.com/doi/full/10.1080/09638280310001596180>.
HERRERA-MAY, Agustín et al. Recent Advances of MEMS Resonators for Lorentz Force
Based Magnetic Field Sensors: Design, Applications and Challenges. Sensors, v. 16, n. 9, p.
1359, 2016. Disponível em: <http://www.mdpi.com/1424-8220/16/9/1359>.
IBGE. Censo Demográfico 2010. . Rio de Janeiro: [s.n.], 2010. Disponível em:
45
<https://censo2010.ibge.gov.br/>.
LIU, Hugh H.S.; PANG, Grantham K.H. Accelerometer for mobile robot positioning. IEEE
Transactions on Industry Applications, v. 37, n. 3, p. 812–819, 2001.
MARTIN, Suzanne et al. Smart home technologies for health and social care support.
Cochrane database of systematic reviews (Online), n. 1, p. CD006412, 2008.
MCCOLLUM, Burton; PETERS, O.S. A new electrical telemeter. Technologic Papers of the
Bureau of Standards., p. 737–777, 1924.
NXP SEMICONDUCTORS. NXP Sensor Fusion Library for Kinetis MCUs User guide. n.
November, p. 1–116, 2016b.
PEDLEY, Mark; STANLEY, Michael. Basic Kalman Filter Theory. n. June, 2015a.
PEDLEY, Mark; STANLEY, Michael. Sensor Fusion Kalman Filters. n. June, 2015b.
SIMPSON, Richard C. How many people would benefit from a smart wheelchair? The
Journal of Rehabilitation Research and Development, v. 45, n. 1, p. 53–72, 2008. Disponível
em: <http://www.rehab.research.va.gov/jour/08/45/1/pdf/simpson.pdf>.
ULUSOY, Melda. Understanding Kalman Filters, Part 1: Why Use Kalman Filters? . [S.l:
s.n.]. Disponível em: <https://www.mathworks.com/videos/understanding-kalman-filters-part-
1-why-use-kalman-filters--1485813028675.html>. , 2017