Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2463| Evaluación de Terrenos Marcianos para Incrementar la Autonomía de Navegación en Vehículos de Exploración Planetaria | |
| Gerardo Maldonado | |
| Leopoldo Altamirano Raquel Diaz Hernandez | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Planetary Rover Traversability Terrain Assesment | |
| El estudio del universo ha sido de gran importancia para el desarrollo humano,
entender el entorno de estos medios desconocidos ha atraído a científicos de todo
el mundo, mismos que han contribuido con avances tecnológicos persiguiendo el
objetivo de explorar el entorno espacial. La tecnología descubierta mejora las
capacidades para investigar estos ambientes espaciales con mayor profundidad.
Este tipo de exploraciones ha tenido un avance continuo. En materia de Rovers la
capacidad inherente a su movilidad hace que continuamente se busquen nuevas
técnicas para fortalecer sus capacidades de autonomía en los cuerpos celestes.
Actualmente las tecnologías y sistemas inteligentes son de gran utilidad en el
procesamiento de información, ya que la incorporación de aprendizaje profundo
y redes neuronales en el ámbito de exploración ayuda a aumentar las
capacidades como la velocidad de reconocimiento y la clasificación de terrenos
sobre los cuales los vehículos se encuentran desempeñando sus actividades.
En esta tesis se propone un sistema inteligente para Rovers en la superficie
marciana, que mediante el uso de redes neuronales convolucionales provee de un
método predictivo para clasificación de imágenes RGB tomadas del ambiente
marciano. Se incluye también una segunda etapa de evaluación del terreno, en la
cual se analizan datos de sensor Bevametro incrementando la información
disponible en sitio, con el objetivo de mejorar la toma de decisiones para la
navegación en la superficie marciana.
Con dicho trabajo se determinó que la red MobileNetV2 es capaz de clasificar con
éxito imágenes del terreno marciano y ubicarlas dentro de los 4 terrenos
representativos de la superficie marciana: arena, rocas grandes, rocas pequeñas
(grava) y suelo de roca. Con lo cual un Rover planetario, a través del sensado RGB
y la implementación de una red de este tipo, será capaz de determinar por sí solo
que tipo de terreno tiene enfrente suyo con índices de precisión cercanos al 93%.
En la misma línea, se demuestra la importancia de considerar la superficie arenosa
como un terreno que, cuyas características observadas desde un enfoque de
mecánica de suelos, precisa de un análisis más profundo por parte del Rover, por
lo cual, se obtienen datos de hundimiento y deslizamiento en arena por medio de
sensado con bevametro y se clasifican para conocer si el Rover será capaz de
atravesar la superficie en cuestión. The study of the universe has been of great importance for human development, understanding the environment of these unknown media has attracted scientists from all over the world, who have contributed with technological advances in order to explore the space environment. The discovered technology enhances capabilities to investigate these space environments in greater depth. This type of exploration has had a continuous advance. In terms of Rovers, the inherent capacity of their mobility means that new techniques are continually sought to strengthen their capacities for autonomy in celestial bodies. Currently, intelligent technologies and systems are very useful in information processing, since the incorporation of deep learning and neural networks in the field of exploration helps to increase the capabilities and speed of recognition and classification of terrain on which vehicles are carrying out their activities. In this thesis an intelligent system for rovers on the martian surface is proposed, which using convolutional neural networks provides a predictive method for classifying RGB images taken from the martian environment. A second stage of terrain evaluation is also included, in which bevameter sensor data is analyzed, increasing the information available on site, with the aim of improving decision-making for navigation on the martian surface. With this work, it was determined that the MobileNetV2 CNN is capable of successfully classifying images of the martian terrain and locating them within the 4 representative terrains of the martian surface: sand, large rocks, small rocks (gravel) and rocky soil. With which a planetary Rover, through RGB sensing and the implementation of a network of this type, will be able to determine by itself what type of terrain it has in front of it with accuracy rates close to 93%. In the same line, is demonstrated the importance of considering the sandy surface as a terrain that, whose characteristics observed from a soil mechanics approach, requires a deeper analysis by the Rover, therefore, sinking and sliding data in sand are obtained by means of bevameter sensing and classified to know if the Rover will be able to traverse the surface in question. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| 2023 | |
| Tesis de maestría | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Maldonado Alvarado G., (2023), Evaluación de Terrenos Marcianos para Incrementar la Autonomía de Navegación en Vehículos de Exploración Planetaria, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| CIENCIAS DEL ESPACIO | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencia y Tecnología del Espacio |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| MALDONADOAG_MCTE.pdf | 9.53 MB | Adobe PDF | Visualizar/Abrir |