Localización y mapeo simultáneos mediante el uso de un sistema de visión estéreo
Para que un robot móvil pueda navegar o realizar tareas de manera autónoma, este debe conocer supose (posición y orientación) y contar con una representación del entorno (mapa) en el que se encuentra. En entornos donde no se cuenta con un mapa previo y el robot no cuenta con información externa que...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis doctoral publishedVersion |
| Lenguaje: | Inglés |
| Publicado: |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
2017
|
| Materias: | |
| Acceso en línea: | https://hdl.handle.net/20.500.12110/tesis_n6181_Pire |
| Aporte de: |
| Sumario: | Para que un robot móvil pueda navegar o realizar tareas de manera autónoma, este debe conocer supose (posición y orientación) y contar con una representación del entorno (mapa) en el que se encuentra. En entornos donde no se cuenta con un mapa previo y el robot no cuenta con información externa que lepermita conocer su pose, debe realizar dichas tareas de manera simultánea. El problema de localizar a unrobot y construir un mapa del entorno simultaneamente se denomina SLAM por las siglas en inglés de Simultaneous Localization and Mapping. En esta tesis se presenta un método basado en visión estéreo para abordar el problema de SLAM. Elmétodo, denominado S-PTAM por el acrónimo en inglés de Stereo Parallel Tracking and Mapping, fuedesarrollado de manera tal que sea capaz de correr en tiempo real en ambientes de grandes dimensionespermitiendo estimar de forma precisa la pose del robot a medida que construye un mapa del ambiente enun sistema de coordenadas global. Para tener un desempeño óptimo, S-PTAM desacopla las tareas de localización y mapeo presentes enel problema de SLAM en dos hilos de ejecución independientes. Esto permite aprovechar el poder computacionalde los procesadores de múltiples núcleos. Además de los módulos de localización y mapeo, sepropone un módulo de detección y cierre de ciclos que permite reconocer lugares previamente visitadospor el robot. Los ciclos detectados son utilizados para realizar una corrección tanto del mapa como de latrayectoria estimada, reduciendo efectivamente el error acumulado por el método hasta el momento. S-PTAM trabaja sobre las características visuales extraídas de las imágenes provistas por la cámara estéreo. Para determinar qué extractor de características es el más adecuado en términos de precisión, robustezy costo computacional se presenta una comparación de los detectores y descriptores binarios más relevantesde la literatura. Finalmente, se presentan experimentos con datasets públicos que permiten validar la precisión y la performancedel método propuesto. Como resultado se obtuvo que S-PTAM es uno de los métodos de SLAMmás precisos del estado del arte. S-PTAM fue publicado como software libre para facilitar su uso y comparacióncon otros métodos de SLAM. |
|---|