O objetivo é domar o que os pesquisadores chamam de "cenários não estruturados", como um campo aberto com vegetação.

Isto torna o mapeamento e a localização mais críticos porque não há padrões bem definidos no ambiente - como ruas, construções e outros veículos - que possam servir como referência.

Sistemas capazes de dirigir veículos por esse tipo de ambiente poderão ser úteis em aplicações práticas no campo da agricultura e da pecuária, o que inclui tratores, colheitadeiras e sistemas de controle de animais.

"Uma vez que o sistema de percepção mapeie os obstáculos visíveis, uma trajetória livre de colisão é planejada, a qual o veículo é comandado para seguir e isto ocorre continuamente até o veículo chegar ao destino indicado," explica Rafael Luiz Klaser, que realizou o trabalho sob orientação do professor Fernando Santos Osório.

Visão robótica

O sistema de navegação autônomo foi desenvolvido por meio da plataforma ROS (Robot Operating System), um conjunto de ferramentas e bibliotecas de software de código aberto, e foi implantado no carro elétrico chamado CaRINA I, que vem sendo aprimorado pela equipe da USP nos últimos anos e servindo de bancada de testes para os sistemas de navegação autônoma.

O carro, do tipo usado em campos de golfe, foi equipado com uma câmera estéreo, que funcionou como sensor responsável pela percepção do veículo, um GPS para localização, uma unidade de medida inercial para orientação (equipamento que mede os eixos de deslocamento de um corpo), e os atuadores responsáveis por acelerar e esterçar o volante.

Antes de testar o sistema de navegação autônomo no CaRINA I, foi feito um trabalho de simulação do veículo, dos sensores e do ambiente. "Essas simulações permitiram verificar o sistema e desenvolver os algoritmos de forma segura sem comprometer os equipamentos. Também com simulação se pode efetuar um maior número de testes e cenários, assim mais pesquisadores poderão utilizar a plataforma e replicarem os experimentos", ressalta o pesquisador.

Uma das novidades do sistema está na adoção de um modelo probabilístico de ocupação do espaço que permite atualização contínua da presença dos obstáculos, que podem surgir a qualquer momento em um terreno não estruturado.

"Com esse modelo probabilístico, é possível modificar a certeza que se tem de um determinado conjunto de obstáculos à medida que o veículo se aproxima deles. Outro aspecto interessante é que o modelo é independente do sensor utilizado e permite a fusão de sensores desde que forneçam a informação da posição tridimensional," aponta Klaser.