Plataforma robótica con capacidad de reconocimiento de patrones y navegación autónoma con microcontroladores

Abstract

El proyecto presenta el diseño, implementación y experimentación de una plataforma robótica de código abierto capaz de leer patrones visuales impresos en tarjetas físicas y corregir su trayectoria en tiempo real. El sistema fue desarrollado íntegramente sobre microcontroladores, sin dependencia de computadoras de propósito general, servidores remotos ni servicios en la nube. La arquitectura del sistema es distribuida y consta de dos unidades de procesamiento independientes que se comunican mediante el protocolo UART (Receptor-Transmisor Asíncrono Universal): un módulo ESP32-CAM, responsable del subsistema de visión, y una placa Arduino Nano, encargada del control de los motores. Ambos módulos fueron programados en C/C++ con el framework Arduino. Para el reconocimiento de patrones se implementaron dos algoritmos distintos. El primero, basado en template matching con invariancia a rotación, emplea la métrica SAD (suma de diferencias absolutas) y evalúa hasta siete ángulos de rotación con caché. Si bien este enfoque demostró robustez para la detección de patrones gráficos, su costo computacional resultó elevado dado el hardware. El segundo algoritmo, diseñado para superar estas limitaciones, se basa en la detección de pares de puntos de diferente tamaño: el identificador de tarjeta queda codificado en la distancia euclidiana entre los centroides, y el ángulo de corrección de trayectoria en la dirección espacial entre ellos. Este diseño redujo el tiempo de procesamiento, logrando una mejora de rendimiento respecto al template matching. Complementariamente, se desarrollaron aplicaciones web para el diseño e impresión de tarjetas de programación para ambos algoritmos. La experimentación confirmó la viabilidad de la arquitectura propuesta como alternativa de código abierto frente a soluciones comerciales propietarias. A diferencia de robots educativos analizados en el mercado, el prototipo desarrollado combina reconocimiento de patrones visuales, corrección activa de trayectoria y arquitectura documentada y replicable. Entre los principales desafíos identificados se destacan la sensibilidad de los algoritmos a variaciones de iluminación y el elevado costo computacional del procesamiento de imágenes en microcontroladores de recursos limitados.