LinePRO

Projeto de Iniciação Científica 2025

Orientador: FERNANDO FERREIRA DE CARVALHO
Co-orientador: HENRIQUE BRAGA FORESTI
Pesquisadores: FLÁVIO ROMERO SANTOS DE SÁ MUNIZ e GABRIEL REIS DE MELO PIRES

---

📌 Visão Geral

O LinePRO-S3 é um projeto de pesquisa voltado ao desenvolvimento de um robô seguidor de linha inteligente, baseado no ESP32-S3, com foco em arquitetura modular, controle em tempo real, mapeamento geométrico da pista e ajuste dinâmico de parâmetros.

Diferentemente de seguidores de linha tradicionais, o sistema não apenas segue a pista, mas estima sua geometria, permitindo análises posteriores, otimização de trajetória e expansão para aplicações industriais e competitivas.

---

🎯 Objetivo Geral

Desenvolver um robô seguidor de linha capaz de mapear pistas, estimar curvaturas, e ajustar dinamicamente seu comportamento, utilizando controle PID, encoders e comunicação sem fio, visando aplicações em robótica competitiva e automação móvel.

🎯 Objetivos Específicos

• Implementar um controle PID modular para seguimento preciso da linha.
• Integrar sensores de linha QTR-8D com calibração dinâmica.
• Utilizar encoders incrementais para:
• Estimativa de posição e orientação (x, y, θ)
• Cálculo do comprimento total da pista
• Extração do raio de curvatura por segmento.
• Desenvolver uma arquitetura de software modular, desacoplada e escalável.
• Implementar uma máquina de estados para múltiplos modos de operação.
• Permitir ajuste online de parâmetros via Bluetooth Low Energy (BLE).
• Explorar estratégias de mapeamento da pista baseadas em tempo e distância.
• Avaliar a escalabilidade da solução para aplicações industriais e educacionais.
• Publicar os resultados.

🧠 Arquitetura de Software

O projeto é estruturado de forma modular, facilitando manutenção, testes e expansão:

src/
├── btBLE.*           # Comunicação BLE (UART)
├── menuBT.*          # Interface de comandos via BLE
├── sensors.*         # Leitura e calibração dos sensores de linha
├── L_sensor.*        # Abstração específica dos sensores QTR
├── pid.*             # Controle PID
├── motor_control.*   # Controle da ponte H (TB6612FNG)
├── encoder.*         # Leitura e processamento dos encoders
├── track_mapper.*   # Mapeamento geométrico da pista
├── globals.*         # Variáveis e parâmetros globais
├── config.h          # Configurações de hardware
└── main.cpp          # Máquina de estados e orquestração

⚙️ Hardware Utilizado

• Microcontrolador: ESP32-S3-WROOM-1
• Sensores de Linha: QTR-8D (Robocore)
• Motores DC com Encoder
• Driver de Motores: TB6612FNG
• LED RGB: Onboard (NeoPixel)
• Comunicação: Bluetooth Low Energy (BLE)

🔁 Modos de Operação

O sistema opera através de uma máquina de estados, incluindo:

• IDLE — sistema em espera
• CALIBRATING — calibração dos sensores de linha
• SIMPLE_PID — seguimento de linha com PID clássico
• TIME_ENCODER — mapeamento da pista baseado em tempo + encoders
• SPACE_ENCODER — mapeamento da pista baseado em distância + encoders
• LINE_FOLLOWING — seguimento contínuo com mapeamento simultâneo

📡 Comunicação BLE

O robô expõe uma interface BLE baseada em UART, permitindo:

• Ajuste em tempo real de:
  • Ganhos PID (Kp, Ki, Kd)
  • Velocidade máxima
  • Margem de erro
• Inicialização de modos de operação
• Monitoramento via mensagens de retorno A comunicação BLE roda em uma task dedicada no Core 0, enquanto o controle do robô executa no Core 1, garantindo responsividade em tempo real.

🗺️ Mapeamento da Pista

O sistema segmenta a pista em trechos de 5 cm, estimando para cada segmento:

• Deslocamento linear
• Variação angular
• Raio de curvatura Os dados são armazenados de forma compacta (int8_t), permitindo reconstrução da geometria da pista e análises posteriores.

🧪 Estado Atual do Projeto

✔ Arquitetura modular implementada
✔ Controle PID funcional
✔ Comunicação BLE operacional
✔ Leitura de sensores e encoders
✔ Mapeamento da pista por tempo e distância

🔄 Em desenvolvimento:

• Integração com dashboards externos
• Simulações em ambiente virtual
• Análises de desempenho e otimização
• Estudos exploratórios com aprendizado de máquina embarcado

🚧 Próximos Passos

• Refinamento sistemático dos parâmetros do controlador PID a partir de dados experimentais coletados em pista.
• Validação e ajuste do algoritmo de mapeamento da pista, avaliando a precisão da estimativa de curvatura por segmento.
• Integração com ferramentas de análise externa (MATLAB) para:
  • análise dos dados de encoder e sensores,
  • validação do modelo cinemático,
  • estudo de estratégias de otimização de velocidade em curvas.
• Desenvolvimento de algoritmos de otimização de percurso a partir do mapa da pista reconstruído.
• Expansão do sistema de monitoramento para visualização gráfica dos dados de trajetória e controle.

📚 Contexto Acadêmico

Este projeto integra atividades de pesquisa aplicada em robótica móvel, com foco em:

• Sistemas embarcados
• Controle em tempo real
• Robótica competitiva
• Automação industrial Os resultados serão utilizados para publicações científicas, relatórios técnicos e apresentações acadêmicas.

Nossos pesquisadores

Flavio Muniz frssm@cesar.school

Gabriel Reis grmp@cesar.school