Estimación de orientación absoluta de un robot agrícola utilizando un sensor MARG

En los casos donde un robot debe operar en ambientes exteriores, como es el caso del campo agrícola, este debe conocer su pose (posición y orientación) en un sistema de coordenadas global. La estimación de la orientación suele realizarse mediante el uso de un magnetómetro. Sin embargo, este tipo de sensor sufre de perturbaciones provenientes de campos magnéticos producidos por componentes del propio robot y del entorno, generando errores en la estimación de la orientación. En este trabajo, se propone utilizar el filtro de Madgwick para estimar la orientación absoluta de un robot a partir de las mediciones provistas por un dispositivo MARG (Magnetic, Angular Rate and Gravity). Para lograr una correcta aplicación del filtro, el magnetómetro es previamente calibrado de manera de tener una orientación precisa. En primer lugar se realizan experimentos en un entorno de simulación, en el cual se simula el comportamiento del robot real y las mediciones de los sensores en un campo de soja articial. En comparación a un entorno real, en simulación es posible realizar experimentos mas controlados, variando el ruido y la frecuencia de muestreo de los sensores, entre otras condiciones controladas. Adicionalmente, es posible determinar el error real en la estimación debido a la disponibilidad de datos de ground-truth. De esta manera, se logra hacer un análisis preciso del filtro y se permite establecer una estimación del mínimo error asociado al filtro. En el entorno de simulación, se llevaron a cabo diversos experimentos para evaluar la eficiencia y el comportamiento del filtro. En particular, se realizaron pruebas con el robot en estado de reposo, en secuencias que incluan giros y trayectos rectos, variando la frecuencia de muestreo de los sensores y añadiendo ruido a las mediciones de los mismos. Los experimentos muestran una media de error de 0:007 para la prueba con el robot en estado de reposo y una media de 0:98 para una secuencia con giros y trayectos rectos. Además, se observa que disminuir la frecuencia y añadir ruido a los sensores aumenta considerablemente el error en la estimación.