PROJETO E IMPLEMENTAÇÃO DE UM ROBÔ AUTÔNOMO SEGUIDOR DE LINHA

BASEADO EM VISÃO COMPUTACIONAL

Octavio Tosta1, Hiuri C. Liberato1, Bruno de Almeida1, Gabriela P. Marinato1, Eduardo M. A. Amaral2
1
CURSO TÉCNICO EM INFORMÁTICA - INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO
ESPÍRITO SANTO - CAMPUS SERRA
Rodovia ES 010, Km 6.5, Manguinhos
CEP 29.173-084 – Serra – ES
2
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO ESPÍRITO SANTO - CAMPUS SERRA
Rodovia ES 010, Km 6.5, Manguinhos
CEP 29.173-084 – Serra – ES

Resumo: O desenvolvimento de robôs para competições tem
sido adotado por diversas instituições como uma atividade
científica voltada à pesquisa e educação. Construir robôs
capazes de executar um trabalho de forma autônoma é uma
tarefa desafiadora e estimulante, que envolve, entre outras
áreas, Visão e Modelagem Computacional. Este artigo
apresenta a implementação de um robô autônomo seguidor de
linha baseado em visão computacional. O sistema de visão
proposto é capaz de identificar, em tempo real, linha e objeto.
Utilizando esse sistema foi possível identificar o objeto e linhas
durante a simulação de uma competição, com boa precisão.
Palavras Chaves: Robótica, Educação, Visão computacional,
Competição.
Abstract: The development of robots for competitions has
been adopted by several institutions as a scientific activity
focused on research and education. Build robots capable of
performing a work autonomously is a challenging and exciting
task, which involves, among other areas, Vision and
Computational Modeling. This article presents the
implementation of an autonomous robot line follower based on
computer vision. The proposed vision system is able to
identify, in real time, object and line. Using this system, it was
possible to identify objects and lines during the simulation of a
competition, with good precision.
Keywords: Robotics, Education, Computer vision,
Competition.
e por isto tornou-se uma área de aplicação que compreende
áreas como automação industrial, robótica e processamento de
documentos [Molz, 2001].
Conforme a evolução tecnológica, aplicações de visão
computacional vem crescendo em diversas áreas, dentre elas
podemos citar: identificação de um rosto em vídeo,
identificação de objetos, etc. Segundo Molz [2001], as tarefas
de visão computacional incentivam uma significativa parte da
pesquisa em todas as áreas científicas e industriais.
A visão computacional e seus métodos são parte fundamental
da ciencia da computação, interligando-se a aprendizagem de
maquina. Tomando essas informações como base, observamos
a necessidade de obter conhecimento e desenvolver estudos
que possam gerar maior usabilidade a área em aplicações do
dia-a-dia, tendo em vista a necessidade de inovação no
mercado e do meio academico. Nexte contexto, uma da formas
para desenvolver estudos em visão computacional é por meio
da construção de robôs para competições.
O obejtivo deste trabalho foi o projeto e implementação de um
robô autônomo seguidor de linha baseado em visão
computacional, com pretensão de utilização em uma
competição de robôs. Assim, foi desenvolvido um sistema de
detecção de objeto e navegação por meio de uma câmera. Além
disso, um sistema para as tomadas de decisão foi implementado
utilizando Processing [Processing, 2016], uma placa Arduino
[Arduino, 2016], e uma placa controladora PcDuino [PcDuino,
2016].

1 INTRODUÇÃO Este artigo encontra-se organizado da seguinte forma: a seção 2

A falta de acessibilidade à educação avançada, caracterizada
pelo distanciamento tecno-científico crescente entre os países
desenvolvidos e em desenvolvimento, é um problema que vem
sendo considerado por educadores e pesquisadores [Queiroz,
1998], e o desenvolvimento de robótica educacional e robótica
para competições podem ser formas de minimizar esse
distanciamento.
Por outro lado, a visão tem sido um foco de atenção para
pesquisadores desde o início da computação, pois este é um
dos mais notáveis sistemas de percepção dos seres humanos. A
pesquisa no campo de emulação das capacidades visuais,
através do uso de computadores, estende-se até os dias de hoje
apresenta a plataforma robótica. A seção 3 descreve o sistema
proposto de detecção e rastreamento de linha e detecção de
objeto. Os experimentos e resultados são apresentados na seção
4, uma breve discussão é apresentada na seção 5 e as
conclusões são apresentadas na seção 6.
2 PLATAFORMA ROBÓTICA
Este projeto foi desenvolvido no LARSE (Laboratório de
Robótica e Sistemas Embarcados). Os trabalhos desenvolvidos
pelo laboratório já demonstraram a interdisciplinaridade da
robótica e os benefícios, no processo de aprendizagem em
Mostra Nacional de Robótica (MNR) 1
programação e eletrônica, desfrutados pelos alunos envolvidos
[Pin, De Oliveira e Amaral, 2012].
A plataforma robótica experimental (PR) usada neste trabalho
foi desenvolvida por alunos do LARSE.
2.1 Arquitetura Física
A PR é apoiada em uma base de MDF sobreposta a outra, com
o intuito de proporcionar maior estabilidade. Nesta plataforma
se encontram o circuito do robô, uma bateria, uma câmera
acoplada a um servo motor, um sonar e mais dois servos
motores que controlam verticalmente uma garra. Além disso,
contém outros 2 servos motores acoplados as rodas e uma roda
boba para sua movimentação, que ficam abaixo dessa
plataforma. Acima da plataforma se encontram as placas
controladoras PcDuino, que está dentro de uma caixa de MDF,
para proteção, além de uma ventuinha para evitar o
superaquecimento da mesma, e o arduino.
A arquitetura pode ser vista na Figura 1.
Figura 1- Arquitetura do robô
Desta forma, o robô foi equipado com: 1 sensor ultrassônico, 1
câmera RGB na parte frontal, 1 Arduino Leonardo, 1
protoboard, 5 servos motores, 1 bateria de 12V, 1 regulador de
tensão e 1 PcDuino.
2.2 Controle básico de movimentos e
sensoriamento
As funções básicas responsáveis e disponíveis para a
movimentação do robô são: “irParaFrente” (movimento para
frente), “irParaTras” (movimento para trás), “parar” (para o
robô), “virarEsquerda” (movimento para esquerda),
“virarDireita” (movimento para direita). Estas funções foram
embarcadas numa placa micro controladora (Arduino
Leonardo).
O sensoriamento básico é realizado pelo sonar e pela câmera.
3 SISTEMA DE DETECÇÃO E
RASTREAMENTO DE LINHA E DE
DETECÇÃO DE OBJETO
O sistema proposto trabalha orientado por visão computacional
com o objetivo de tratar questões sobre a navegação e a
detecção de objeto, buscando um baixo nivel de erro, a partir
do tratamento das imagens captadas com uma câmera.
A Figura 2 mostra o diagrama da arquitetura do sistema do
robô e seu funcionamento de forma teórica.
Mostra Nacional de Robótica (MNR)
Figura 2 – Arquitetura do Sistema
A câmera acoplada ao robô movimenta-se verticalmente a
partir de um servomotor e tem como função fazer a captura de
imagens para a análise da rota, ou a detecção de objeto.
3.1 Sensoriamento por visão
computacional
No sistema desenvolvido, a visão computacional exerce a
função de identificar um objeto, predefinido, por sua forma
geométrica e cor (RGB). Também exerce a função de
identificar a rota através de uma linha na cor preta.
Através da aquisição das imagens RGB obtidas pela câmera, o
algoritmo de processamento dessas imagens é executado. Após
a execução, a parte do sistema responsável pelo controle envia
aos motores a definição da direção que o robô deve seguir, seja
para seguir a rota ou ir em direção ao objeto.
3.2 Detecção de objeto
Neste trabalho, uma abordagem semelhante à proposta por
Penharbel [2004] foi utilizada. O algorítmo utilizado para
análise das imagens está baseado na biblioteca OpenCV (Open
Source Computer Vision Library). OpenCV é uma biblioteca,
de código aberto, desenvolvida inicialmente pela Intel. Ela
implementa ferramentas de interpretação de imagens, indo
desde operações simples como um filtro de ruído, até
operações complexas, tais como a análise de movimentos,
reconhecimento de padrões e reconstrução em 3D.
Além disso, esse trabalho utiliza uma abordagem por espaço de
cores HSV/HSI (Hue, Saturation and Value / (Hue, Saturation
and Intensity) e descritores.
As imagens (frames) capturadas em RGB são enviadas para o
pcDuino. Assim, o algoritmo trata toda a informação dada pela
câmera guardando-a em um dicionário, que tem os pixeis como
índice. O RGB de cada pixel é convertido para HSV e salvo em
outro dicionário com o nome “HSV”.
Após isso, somente a posição dos pixeis que tem a cor
predeterminada são salvos em um terceiro dicionário, chamado
de “mask”. Este terceiro dicionário consiste em um mapa
binário onde se torna verdadeiro a posição desses pixeis.
Para descartar quaisquer ruídos na imagem e suavizar a forma
do que foi salvo em mask, são implementados alguns
tratamentos de imagens. Esse passo é necessário, pois muitos
pixeis podem ser da cor predeterminada, mas não fazem parte
do objeto alvo ou os pixeis agrupados que indicam um objeto
podem não ser encontrados por completo. Com os tratamentos
de imagem utilizados esses problemas podem ser solucionados.
As funções utilizadas podem ser definidas como:
 inRange: procura os píxeis da cor predeterminada;
 erode: salva a posição do pixel da cor predeterminada;
 morphology: extrai as informações relativo às
características de uma imagem e compara com um
outro conjunto menor e de forma já conhecida;
 dilate: considera a vizinhança como pixeis
semelhantes;
 bilateralFilter: suaviza os contornos do objeto alvo;
 medianBlur: suaviza a imagem usando um filtro
mediano;
A Figura 3 ilustra a sequência do algoritmo utilizando as
funções descritas acima.
Figura 3 – Algoritmo suavização das imagens.
Após, o algoritmo cria um novo dicionário, chamado
“FrameFiltrado”, onde somente os pixeis que estão presentes
como verdadeiro no mapa binário estarão no FrameFiltrado,
descartando o fundo ou qualquer cor que não seja a
predeterminada. Em seguida, é criado uma matriz chamada
“contornoMask”, que armazena o X e Y de cada pixel
considerado o contorno do grupo de pixeis salvo em mask,
como mostra o trecho do algoritmo na Figura 4.
Figura 4 – Algoritmo de remoção do fundo e de definição
de contorno do objeto.
A Figura 5 demonstra a detecção do objeto por padrão de cor,
realizando a separação do objeto por contorno e a separação do
objeto por cor.
Figura 5 – Detecção do objeto por padrão de cor, separação
do objeto por contorno e separação do objeto por cor.
Após os tratamentos de imagem e as separações de contorno, é
possivel saber qual o primeiro pixel a esquerda do contorno e a
direita do contorno, possibilitando, quando conhecido o
tamanho do objeto, descobrir a diferença desses dois pixeis.
Aplicando a proporcionalidade é possivel descobrir a distância
que esse objeto se encontra da câmera.
Através do conhecimento do contorno do objeto é possível
também descobrir o centro de massa, possibilitando enviar
através de uma comunicação serial com o arduíno, a direção
que o robô deve seguir para chegar ao objeto (direita, centro,
esquerda), como mostra a Figura 6.
Figura 6 – Algoritmo, executado no PcDuino, estimando a
distância para o objeto e demonstrando a informação a ser
enviada ao arduino com a direção que o robô deve seguir.
3.3 Rota por uma câmera RGB
Para seguir a linha, o centro de massa e os pixeis mais externos
são usados para enviar ao robô qual direção ele deve seguir
para continuar em cima da linha (direita, centro, esquerda) e
informar se a curva é uma curva fechada ou não (curva fechada
a direita, curva fechada a esquerda).
4 TESTES E RESULTADOS
Para validar o modelo proposto, foram feitos testes no
laboratório, em ambiente controlado, conforme vídeo
(https://www.youtube.com/watch?v=aIj0E-
QwKP4&feature=youtu.be )
Para os testes foi montado um pequeno circuito feito com fita
isolante preta e alguns obstáculos, onde o robô tinha a tarefa de
seguir a linha a fim de desviar de possíveis obstáculos, chegar
ao final do percurso e detectar o objeto predefinido. Como
esperado ele seguiu corretamente e com uma boa precisão todo
o percurso proposto. Seu nível de acerto foi maior que o
encontrado ao realizar testes utilizando somente sensores
ultrassônicos e infravermelhos.
Como esperado a câmera realizou a leitura da imagem e o
PcDuino a tratou corretamente e definiu a rota a ser tomada.
Após, os comandos básico foram enviados a um Arduino que
executou os comandos de controle de movimentação do robô,
ocorrendo tudo em tempo real.
Também foi realizado testes substituindo o PcDuino por um
notebook para a comparação de desempenho. A Figura 7
desmonstra os teste realizados utilizando o notebook como
controlador principal do robô.
Mostra Nacional de Robótica (MNR) 3

Figura 7 - Robô seguindo linha pela visão computacional
em uma plataforma de testes utilizando o notebook como
controlador principal.
Para que o PcDuino fosse capaz de processar as informações da
câmera foi realizada uma redução da resolução da imagem.
Após essa redução, o processador do PcDuino foi capaz de
executar essa tarefa. A Figura 8 monstra os teste realizados
com o robô seguindo linha pela visão computacional, em sua
plataforma mais recente, utilizando o PcDuino como
controlador principal.
Figura 8 - Robô seguindo linha pela visão computacional,
em sua plataforma mais recente, utilizando o PcDuino
como controlador principal.
5 DISCUSSÃO
Neste trabalho foi desenvolvido um robô autônomo seguidor de
linha baseado em visão computacional. As soluções propostas
demonstraram ser um bom caminho na construção e
implementação de robôs utilizando sensoriamento visual por
camera.
O robô desenvolvido permitiu o aproveitamento de ferramentas
tecnológicas sofisticadas, como a própria robótica, a visão
computacional e o Processing. Neste contexto, o robô
demostrou eficácia em realizar tarefas como seguir linha e
identificar um objeto predefinido.
A partir do robô é possivel que hajam melhorias em seus
algoritmos para propiciar uma captura de imagens ainda
melhor, e um nível mais alto no tratamento de imagens.
6 CONCLUSÕES
A construção desse projeto demonstrou ser viável a navegação
do robô usando uma câmera como principal sensor de
orientação para um seguidor de linha, diminuindo possíveis
falhas e erros em robôs autônomos, quando comparado a robôs
usando somente sensores de refletância ou infravermelho.
Mostra Nacional de Robótica (MNR)
O projeto cumpriu seus objetivos e a plataforma robótica
proposta demonstrou bom rendimento, se tornando um bom
caminho na construção de robôs para competições utilizando
visão computacional.
Trabalhos futuros podem ser executados na estrutura física do
robô, além de melhorias nos algoritmos propostos, como por
exemplo, a implentação de um algoritmo para desviar de
obstáculos mais completo ou seguir mapas sem linhas ou até
mesmo calcular a melhor rota a seguir de um ponto a outro
dentro de um mapa predefinido.
REFERÊNCIAS BIBLIOGRÁFICAS
Arduino. (2016). Language Reference, Disponível em:
http://arduino.cc/en/Reference/HomePage. Acesso em:
julho de 2016.
Queiroz, L. R. de. (1998). Um Laboratório virtual de robótica e
visão computacional. Universidade Estadual de
Campinas (UNICAMP). Instituto de Computação.
Molz, R. F. (2001). Uma metodologia para o desenvolvimento
de aplicações de visão computacional utilizando um
projeto conjunto de Hardware e Software. Universidade
Federal do Rio Grande do Sul, Instituto de Informática,
Programa de pós-graduação em Ciência da
Computação.
PcDuino. (2016). pcDuino Quick Start, Disponível em:
http://learn.linksprite.com/. Acesso em: julho de 2016.
Penharbel, E. A. (2004). Filtro de Imagem Baseado em Matriz
RGB de Cores Padrão para Futebol de Robôs
Disponivel em:
http://fei.edu.br/~rbianchi/publications/Enri2004-1.pdf.
Acesso em Agosto 2016.
Pin, L. B. e De Oliveira, D., Amaral, E. M. A. (2012).
LUDEbot: Uma plataforma com Servomotores e
Sensoriamento utilizando a Placa Arduino e Controle
Externo, In: III Workshop on Educational Robotics,
IEEE SBR/LARS/WRE (I Brazilian Robotics
Symposium, IX Latin American Robotics Symposium),
Fortaleza, CE, 2012.
Processing. (2016). Language Reference, Disponível em:
http://www.processing.org/reference/. Acesso em: julho
de 2016.