Abstract: The design of efficient autonomous navigation systems for mobile robots or autonomous vehicles is fundamental to perform the programmed tasks. Basically, two kind of sensors are used in urban road following: LIDAR and cameras. LIDAR sensors are highly accurate but expensive and extra work is needed for human understanding of the point cloud scenes; however, visual content is understood better by human beings, which should be used to develop human-robot interfaces. In this work, a computer vision-based urban road following software tool called AutoNavi3AT for mobile robots and autonomous vehicles is presented. The urban road following scheme proposed in AutoNavi3AT uses vanishing point estimation and tracking on panoramic images to control the mobile robot heading on the urban road. To do that, Gabor filters, region growing, and particle filters were used. In addition, laser range data are also employed for local obstacle avoidance. Quantitative results were achieved using two kind of tests, one uses datasets acquired at the Universidad del Valle campus, and field tests using a Pioneer 3AT mobile robot. As a result, important improvements in the vanishing point estimation of 68.26 % and 61.46 % in average were achieved, which is useful for mobile robots and autonomous vehicles when they are moving on urban roads.

Resumen: El diseño de sistemas de navegación autónomos eficientes para robots móviles o vehículos autónomos es fundamental para realizar las tareas programadas. Básicamente, se utilizan dos tipos de sensores en el seguimiento de vías urbanas: LIDAR y cámaras. Los sensores LIDAR son muy precisos, pero costosos y se necesita trabajo adicional para la comprensión humana de las escenas de nubes de puntos; sin embargo, los seres humanos entienden mejor el contenido visual, lo que debería usarse para desarrollar interfaces humano-robot. En este trabajo, se presenta una herramienta de software de seguimiento de carreteras urbanas basada en visión artificial llamada AutoNavi3AT para robots móviles y vehículos autónomos. El esquema de seguimiento de vías urbanas propuesto en AutoNavi3AT utiliza la estimación del punto de fuga y el seguimiento de imágenes panorámicas para controlar el avance del robot móvil en la vía urbana. Para ello se utilizaron filtros Gabor, crecimiento de regiones y filtros de partículas. Además, los datos de alcance del láser también se emplean para evitar obstáculos locales. Los resultados cuantitativos se lograron utilizando dos tipos de pruebas, una utiliza conjuntos de datos adquiridos en el campus de la Universidad del Valle y pruebas de campo utilizando un robot móvil Pioneer 3AT. Como resultado, se lograron mejoras importantes en la estimación del punto de fuga de 68.26% y 61.46% en promedio, lo cual es útil para robots móviles y vehículos autónomos cuando se desplazan por vías urbanas.

SUMMARY Introduction: Catering establishments are required by health regulations to apply self-control systems based on Hazard Analysis and Critical Control Points (HACCP) that manage a significant load of documentation to guarantee the food safety of prepared meals. Objectives: The simplification of self-control activities is considered a necessary objective to facilitate their correct monitoring by the staff of the catering establishments. It is intended to automate the processes of data collection, document management and self-control decision-making, through the development of a computer application based on Artificial Intelligence programming (Expert System). Materials and methods: It starts from food facilities with a previously implemented self-control system. Through the generation of a computer application, the printed documentation of the self-control is adapted to an environment based on Information and Communication Technologies (ICT) for use by the facility staff. Results: An application called Self-Control Guide has been developed, which incorporates a verification system for control measures and can be accessed from any device with web browsing capabilities. Conclusions: The use of a document database system based on an Expert System, allows to permanently identify, evaluate and control the significant dangers for the assurance of the safety of prepared meals, facilitating the development of food safety inspections and the certification of its quality management system.

RESUMEN Introducción: Los establecimientos de restauración están obligados por la normativa sanitaria a aplicar sistemas de autocontrol basados en el Análisis de Peligros y Puntos de Control Crítico (APPCC) que gestionan una importante carga de documentación para garantizar la seguridad alimentaria de las comidas preparadas. Objetivos: Se considera como objetivo necesario la simplificación de las actividades de autocontrol para facilitar su correcto seguimiento por el personal de los establecimientos de restauración. Se pretende automatizar los procesos de recogida de datos, gestión documental y toma de decisiones del autocontrol, mediante el desarrollo de una aplicación informática basada en la programación de Inteligencia Artificial (Sistema Experto). Material y métodos: Se parte de instalaciones alimentarias con un sistema de autocontrol previamente implantado. Mediante la generación de una aplicación informática, se adapta la documentación impresa del autocontrol, a un entorno basado en las Tecnologías de la Información y la Comunicación (TIC) para su uso por el personal de la instalación. Resultados: Se ha elaborado una aplicación denominada Guía de Autocontrol, que incorpora un sistema de verificación de las medidas de control y que se puede acceder desde cualquier dispositivo con capacidad de navegación web. Conclusiones: El uso de un sistema de base de datos documental en el entorno de un Sistema Experto, permite de forma permanente identificar, evaluar y controlar los peligros significativos para el aseguramiento de la inocuidad de las comidas preparadas, facilitando el desarrollo de las inspecciones de seguridad alimentaria y la certificación de su sistema de gestión de la calidad.

RESUMEN En las últimas décadas, debido a la creciente movilidad de personas y bienes, el rápido crecimiento de los usuarios de dispositivos móviles con servicios basados en la ubicación ha aumentado la necesidad de información geoespacial. En este contexto, el posicionamiento utilizando los datos recopilados por los Sistemas Globales de Satélite de Navegación (multi-GNSS) ha ganado más importancia en el campo de la geomática. La calidad de las soluciones está relacionada, entre otros factores, con el tipo de receptor utilizado en el trabajo. Para mejorar el posicionamiento con dispositivos de bajo costo y evitar gastos adicionales del usuario, este trabajo tiene como objetivo proponer la implementación de una Red Neural Artificial (ANN) para estimar los observables del operador GPS L2. Para esto, se seleccionó un modelo de red a través de la técnica de validación cruzada (CV), se estimaron las observaciones y se analizó la precisión de las soluciones. La técnica CV demostró que un Perceptrón multicapa con cuatro capas intermedias y uno con una capa intermedia son las configuraciones más apropiadas para este problema. El procesamiento RINEX de doble frecuencia (con datos artificiales) reveló mejoras significativas. Para algunas pruebas, fue posible cumplir con las regulaciones de georreferenciación de propiedad rural del Instituto Nacional de Colonización y Reforma Agraria (INCRA). Los resultados indican, por lo tanto, que la propuesta metodológica de la presente investigación es muy prometedora para aproximar la calidad de posicionamiento accesible utilizando un receptor de doble frecuencia.

ABSTRACT In recent decades, due to the increasing mobility of people and goods, the rapid growth of users of mobile devices with location-based services has increased the need for geospatial information. In this context, positioning using data collected by the Global Navigation Satellite Systems (multi-GNSS) has gained more importance in the field of geomatics. The quality of the solutions is related, among other factors, to the receiver's type used in the work. To improve the positioning with low-cost devices and to avoid additional user expenses, this work aims to propose the implementation of an Artificial Neural Network (ANN) to estimate the GPS L2 carrier observables. For this, a network model was selected through the cross-validation (CV) technique, the observations were estimated, and the accuracy of the solutions was analyzed. The CV technique demonstrated that a Multilayer Perceptron with four intermediate layers and one with one intermediate layer are the most appropriate configurations for this problem. The dual-frequency RINEX processing (with artificial data) revealed significant improvements. For some tests, it was possible to comply with the rural property georeferencing regulations of the Brazilian National Institute of Colonization and Agrarian Reform (INCRA). The results indicate, therefore, that the methodological proposal of the present investigation is very promising for approximating the quality of positioning reachable using a dual-frequency receiver.

La navegación autónoma de robots es uno de los principales problemas entre los robots debido a su complejidad y dinamismo, ya que depende de las condiciones ambientales como la interacción entre ellos mismo, personas o cualquier cambio sin previo aviso en el entorno. En este trabajo, hemos propuesto la aplicación de técnicas evolutivas para la navegación autónoma de robots. El objetivo de este artículo es desarrollar el control de movimiento de un robot para alcanzar una meta en un entorno desconocido, donde los comportamientos de bajo nivel son obtenidos a través de redes de neuronas artificiales y posteriormente han sido evolucionados mediante algoritmos evolutivos. Para este propósito ROS y el TurtleBot 2 han sido utilizados. El documento finaliza con una discusión crítica de los resultados experimentales.

The autonomous navigation of robots is one of the main problems among the robots due to its complexity and dynamism as it depends on environmental conditions as the interaction between themselves, persons or any unannounced change in the environment. In this work, we have proposed the application of evolutionary techniques for autonomous navigation of robots. The objective of this work is to develop the motion control for a robot to reach a goal in an unknown environment, where the low level behaviors are obtained through artificial neural networks and subsequently have been evolved by evolutionary algorithms. For this purpose ROS and robot TurtleBot 2 are used. The paper ends with a critical discussion of the experimental results.

Este artículo presenta el desarrollo de un sistema de inspección y vigilancia el cual procesa las imágenes de las cámaras abordo con el fin de realizar una navegación autónoma o semiautónoma, según como el usuario lo especifique. El dispositivo aéreo utilizado es un cuadrotor, al que se le implementaron varias estrategias de control servo-visual para determinar la orientación, la posición del mismo y así seguir una trayectoria demarcada. Las imágenes de la segunda cámara del robot aéreo son transmitidas por la red permitiendo la inspección remota del lugar que se desea confrontar. Se realizaron las verificaciones correspondientes a los controladores, demostrando que el robot aéreo sigue diversos tipos de trayectorias satisfactoriamente.

This paper presents the development of an inspection system and monitoring which processes the onboard camera images in order to perform an autonomous or semi-autonomous navigation, depending on how the user specified. The aerial device used is a quadrotor, which is implemented several strategies servovisual control to determine the orientation, the position thereof and thus follow a path demarcated. The images of the second aerial robot camera are transmitted over the network allowing remote inspection of the place you want to confront. Checks were made corresponding to the controllers, showing that the robot follows diverse types of air paths satisfactorily.

RESUMEN La visión artificial intenta capturar información relevante del medio ambiente, utilizando cámaras como sensores de ciertas características (formas, colores, texturas, etc.), para el funcionamiento adecuado de algunos mecanismos. Con el fin de obtener una imagen idéntica al entorno real, es necesario generar imágenes estereoscópicas que nos permita obtener la profundidad y así conseguir una representación en 3D. En este documento se plasma cómo se realizó la integración de un sistema de visión estereoscópica artificial a un robot móvil, con el objetivo de reconocer y seguir el centro de un camino. Dicho sistema se encarga de la adquisición, procesamiento y caracterización de imágenes, utilizando procedimientos fuera de línea para calibrar las cámaras y los métodos en línea para generar el mapa de disparidad, aplicación del operador Canny y la Transformada de Hough, empleando las librerías de OpenCV en un proyecto de Consola Win32 en C++. Es importante mencionar que los algoritmos desarrollados en este trabajo fundamentalmente son para ambientes estructurados. Los ambientes pueden clasificarse en: estructurados, no estructurados y semi-estructurados.

ABSTRACT An artificial vision tries to capture relevant information from environment using cameras as sensors of certain characteristics (shapes, colors, textures, etc.) for a proper functioning of some mechanisms. In order to get an identical image to real environment, it is required to generate stereoscopic images that allow us to get the depth and thus a 3D representation. This paper shows an artificial stereoscopic vision system incorporated to a mobile robot to recognize and follow the center of a path. Such a system handles the capture, processing and characterization of images using offline procedures such to standardize cameras and online methods for a disparity mapping generation, application of the Canny edge detector and the Hough transform, using the OpenCV libraries in Win32 Console project in C++. It`s important to mention that algorithms developed in this work are fundamentally for structured environments. Environments can classified as follows: structured, non-structured and semi-structured.

Dado que los accidentes de tránsito son una de las causales más relevantes de muertes a nivel mundial, este artículo pretende sustentar el diseño de un sistema en un solo chip (SoC), que tiene la capacidad de reconocer algunas señales de tránsito, obstáculos y las líneas blancas que delimitan una carretera en un escenario controlado, proporcionando una perspectiva a futuro para la implementación de pilotos automáticos en automóviles reales que ayuden a disminuir los índices de accidentalidad. El SoC opera sobre un FPGA (Field Programmable Gate Array) con el propósito que los algoritmos de alta velocidad de procesamiento sean implementados en hardware, y los algoritmos de baja velocidad sean implementados en software. Por lo tanto se desarrollaron diversos módulos hardware para la captura de video, pre-procesamiento de imágenes y control del balance de blancos para la captura de video. También se diseñaron algoritmos en software, tales como navegación, visión artificial estereoscópica y el reconocimiento inteligente de las señales de tránsito, conformando un conjunto de procesos que son administrados por un sistema operativo en tiempo real (RTOS). Los resultados del SoC se obtuvieron a partir de simulaciones de una plataforma robótica navegando en una carretera controlada y diseñada a pequeña escala

Due to the fact that the traffic accidents are one of the most relevant causes of deaths in the world, this article aims to expose the design of a System on a Chip (SoC) that has the capacity to recognize some transit signals, obstacles and white lines that delimit a road of a controlled scenery, giving a future prospect in order to implement automatic pilots in real automobiles for helping reduce accident rates. The SoC operates on an FPGA (Field Programmable Gate Array), so that the high speed processing algorithms are implemented in hardware and the low speed processing algorithms are implemented in software. Therefore different hardware modules were developed for video capturing, pre-processing images and controlling white balance in video capture. Also, software algorithms were designed, such as navigation, stereoscopy artificial vision and the intelligent recognition of the transit signals, shaping a set of processes administrated by a Real Time Operative System (RTOS). The SoC >results were obtained through simulations in a robotic platform navigating on a road modeled on a small scale

This research work proposes the development of a mobile robot prototype through Artificial Intelligence techniques allowing autonomous navigation in indoor type test environments. In this research work, a perception system composed of five perception sonars array that provides an environment detection system was designed. The sonar signals were captured by the embedded software which determined the control signals from the drive system by means of Artificial Intelligence techniques. The design of the differential drive systems with two servomotors and a supply circuit to assure batteries voltage stabilization are also presented.

Este trabajo propone el desarrollo de un prototipo de robot móvil para la investigación de técnicas de Inteligencia Artificial que permita la navegación autónoma en entornos de prueba tipo indoor. Se diseña un sistema de percepción compuesto por un arreglo de cinco sonares que proveen una detección del entorno, las señales de los sonares son capturadas por el software embebido que mediante técnicas de Inteligencia Artificial determinan las señales de control del sistema motriz. También, se presentan los diseños de los sistemas de tracción diferencial, con dos servomotores, y de alimentación con un circuito de estabilización de la tensión de las baterías.

Este artículo presenta el diseño, la implementación y los resultados obtenidos, confrontados con simulación, de una plataforma hardware-software para fútbol robot en un entorno artificial que consta de un campo o arena de juego, un agente móvil controlado por la aplicación (AMC), un agente móvil controlado por usuario (MCU), una bola de golf, un sensor para capturar el estado del entorno y un controlador de trayectoria. El problema que enfrenta el agente AMC en su entorno es la búsqueda de una posición con línea de vista libre para golpear la bola hacia la portería del equipo contrario, mientras esquiva adversarios en su camino. El campo de juego es un área confinada de 1,5 m x 2 m, en la cual el agente móvil se desplaza según la cinemática de un robot diferencial a una velocidad máxima de 25,7cm/s, el móvil posee la capacidad de pateo de una bola de golf, la cual se puede impulsar a una velocidad máxima de 1,43 m/s. Por otro lado, se implementa y optimiza un sensor de posición. El proceso parte con la captura de imágenes de la arena de juego, continúa con la conversión al formato HSI y la aplicación de filtros digitales sobre las imágenes, y termina con el cálculo de las componentes cartesianas a partir de los patrones en color, que identifican a los móviles y bola de juego, la velocidad que alcanza el sensor es de 30 cuadros por segundo. Finalmente, se realiza el control de navegación inteligente a través de una estrategia híbrida, en la cual se combina linealmente el efecto de dos controladores basados en lógica difusa, uno para llevar el agente a la posición de tiro al arco y el otro para esquivar obstáculos mientras navega a la posición de tiro.

This article presents the design, implementation, virtual simulation and test results for a hardware-software platform for robot soccer. The platform consists of a soccer field, a software-controlled mobile agent (AMC), a user-controlled mobile agent (MCU), a golf ball, an image sensor system and a path-planning controller. The problem for agent AMC is to sense the environment and move to a kicking position to score while avoiding opponents in its way. The soccer field is a bounded area of 1.5m x 2m in which mobile agents move following differential robot kinematics at 25.7cm/s speed; each robot has a kicking system which can speed up a golf ball at 1.43m/s velocity. A position sensor was implemented and optimised in three stages: capturing the soccer field image, converting to HSI format and applying digital filters and calculating the Cartesian components from colour patterns for identifying the mobile robots and the golf ball. Image sensor system processing speed is 30 frames per second. Robot path planning is controlled by a hybrid strategy based on two linearly combined fuzzy logic controllers; one takes agent AMC to the goal position and the other avoids obstacles while it moves to the goal position.