En este punto, vamos a desarrollar una aplicación que lea los valores del sensor del ultrasonido y los muestre por el LCD, para ver que distancias son críticas para el correcto funcionamiento del robot.
Construiremos el robot con el sensor de ultrasonidos en su parte superior, paralelo al suelo y mirando hacia delante.
Compararemos las medidas reales con las mostradas en el LCD. Lo haremos en cuatro puntos:
1º Medida: Distancia real máxima y mínima.
Colocaremos el robot con el sensor perpendicular a la pared. Acercaremos y alejaremos el robot de la pared para ver cuales son las distancias máxima y mínima que puede medir.
Los resultados son:
2ª Medida: Máximo ángulo respecto a la pared.
Situaremos el robot a 40cm de la pared, e iremos girando el robot con giros <10º hasta obtener desde -90º - 90º Los resultados son:
Rango de ángulos: -51º .. +51º
3ª Medida: ¿Tiene el sensor error sistemático?
Colocaremos el robot perpendicularmente a la pared a distancias de 20,30,40,50,60,70,80,90,100 cm.
Una vez tomadas las medidas, calcularemos la media de la diferencia entre la medida y la distancia real.
Medida Real (cm) Medida LCD (cm)
110 111
120 122
La media del error entre la medida tomada y la real es 1.2 cm
4ª Medida: Incertidumbre del valor del sensor
Vamos a calcular por separado la incertidumbre en el eje X y en el eje Y.
- Cálculo incertidumbre del eje X:
Para el cálculo del eje X, colocamos el robot a distintas distancias de la pared, y tomaremos 10 medidas por cada distancia. Una vez tomadas todas las medidas calcularemos la media para cada una de las distancias.
Aquí vemos el resultado:
Vemos que el error es más alto cuanto más lejos está de la pared.
- Cálculo incertidumbre del eje Y:
Para el cálculo del eje Y colocaremos el robot en el origen de coordenadas, y determinaremos a qué distancia del eje X comienza a detectar el obstáculo.
Aquí vemos el resultado:
Como podemos comprobar, si forma un cono, pero es en las distancias medias, cuando más alejado es capaz de ver, por lo que se asemeja más a un rombo.
Ahora calcularemos la matriz de covarianza empleando el código que utilizamos en la primera práctica ( lo podéis ver en entradas anteriores del blog.
La matriz de covarianza queda:
P = 725.4 -11.1
-11.1 2.7