Publicação: Implementação de robô móvel para rastreio de pessoa com visão computacional
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::ENGENHARIAS
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
O desenvolvimento de um robô autônomo com a capacidade de rastrear pessoas integra
áreas de conhecimento como a visão computacional, sistema de controle e protocolos de
comunicação. Nesse contexto, este trabalho tem como objetivo desenvolver e implementar
um robô móvel que realiza o rastreio de uma pessoa em ambientes não estruturados. A
arquitetura do robô é baseada na unidade de processamento de alto nível, implementada em
uma Raspberry Pi, que executa o algoritmo de visão computacional e a lógica de controle; a
unidade de processamento de baixo nível, baseada na ESP32, faz interface com o sistema
de potência e controla o acionamento dos motores por meio de uma Ponte H; por fim os atu-
adores do sistema consistem em dois motores de corrente contínua que são acionados de
forma diferencial e independentes. O algoritmo de visão computacional, implementado em
Python, processa o fluxo de imagens da captura até a extração das informações necessárias.
Ao capturar as imagens são convertidas para matrizes numéricas, por meio das bibliotecas
OpenCV e NumPy, para alimentar a rede neural YOLO11 (Ultralytics). Esta, por sua vez,
é responsável por realizar a detecção de pessoas e extrair os parâmetros da bounding
box da imagem detectada, e utilizam esses valores de coordenada horizontal central e
a altura da caixa delimitadora, para respectivamente, realizar a correção de orientação,
mantendo o robô alinhado em relação ao alvo e distância estabilizando o robô em uma faixa
de repouso. Esses valores são normalizados, e passam pelo processo filtragem estocástica
por meio do filtro de Kalman, que realiza a estimação das variáveis, reduzindo ruídos das
detecções. As variáveis estimadas são fornecidas para a máquina de estados finitos, onde
são definidos os estados de operação do robô. As velocidades são definidas e enviadas via
protocolo de comunicação MQTT em rede local, essas informações coordenam o sistema
de tração diferencial controlado por uma Ponte H e motores de corrente contínua aplicando
técnicas de histerese, zona morta e acionamento intermitente para mitigar o atrito estático
e o chattering. Os resultados experimentais mostram a capacidade do robô de manter o
rastreamento do alvo com um comportamento estável, operando em tempo necessário para
o acompanhamento de uma pessoa enquanto anda pelo ambiente. Este resultado evidencia
a viabilidade da integração entre técnicas de visão computacional e controle embarcado em
sistemas robóticos móveis autônomos.
Abstract
The development of an autonomous robot capable of tracking people integrates knowledge
areas such as computer vision, control systems, and communication protocols. In this con-
text, this work aims to develop and implement a mobile robot that performs human tracking
in unstructured environments. The robot architecture is based on a high-level processing
unit, implemented on a Raspberry Pi, which executes the computer vision algorithm and
the control logic; the low-level processing unit, based on the ESP32, interfaces with the
power system and controls motor actuation through an H-bridge; finally, the system actuators
consist of two direct current motors driven in a differential and independent manner. The
computer vision algorithm, developed in Python, processes the image stream from acquisi-
tion to the extraction of the required information. Upon acquisition, the images are converted
into numerical matrices using the OpenCV and NumPy libraries to feed the YOLO11 (Ultra-
lytics) neural network. This network is responsible for detecting people and extracting the
parameters of the image bounding box, using the horizontal center coordinate and the height
of the bounding box to perform, respectively, orientation correction, keeping the robot aligned
with the target, and distance control, stabilizing the robot within a resting range. These values
are normalized and undergo stochastic filtering using the Kalman filter, which estimates
the variables and reduces detection noise. The estimated variables are then provided to
the finite state machine, where the robot’s operational states are defined. The velocities
are defined and transmitted via the MQTT communication protocol over a local network;
this information coordinates the differential traction system controlled by an H-bridge and
direct current motors, applying hysteresis, deadband, and intermittent actuation techniques
to mitigate static friction and chattering. The experimental results demonstrate the robot’s
ability to maintain target tracking with stable behavior, operating within the required time
to follow a person walking through the environment. This result highlights the feasibility of
integrating computer vision techniques with embedded control in autonomous mobile robotic
systems.
Palavras-chave
Robótica móvel, Visão computacional, Rastreamento de pessoas, YOLO, Filtro de Kalman
Citação
ALMEIDA, Thalles Jonathan Trigueiro de. Implementação de robô móvel para rastreio de pessoa com visão computacional. 2026. Projeto de Fim de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2026.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto