Mejoras de escalabilidad y consistencia en sistemas SLAM con aplicaciones en exploración activa multi-robot.

Mostrar todas las versiones(3)

En un mundo en el que a los robots se les asignan periódicamente tareas cada vez más cruciales, es esencial proporcionar capacidades de mapeo y localización eficientes, sólidas y precisas. Una plataforma robótica móvil que opera en un entorno desconocido o impredecible requiere localizarse adecuadam...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Castro, Gastón Ignacio
Formato: Tesis Doctoral
Lenguaje:Español
Publicado: 2021
Materias:
ROBOTICA MOVIL
SLAM
VISUAL SLAM
ACTIVE SLAM
ESTIMACION DE ESTADO
ESTIMACION DE INCERTIDUMBRE
EXPLORACION MULTI-ROBOT
MOBILE ROBOTICS
STATE ESTIMATION
UNCERTAINTY ESTIMATION
MULTI-ROBOT EXPLORATION
Acceso en línea:https://hdl.handle.net/20.500.12110/tesis_n6812_Castro
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id todo:tesis_n6812_Castro
record_format dspace
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv Español
topic ROBOTICA MOVIL
SLAM
VISUAL SLAM
ACTIVE SLAM
ESTIMACION DE ESTADO
ESTIMACION DE INCERTIDUMBRE
EXPLORACION MULTI-ROBOT
MOBILE ROBOTICS
SLAM
VISUAL SLAM
ACTIVE SLAM
STATE ESTIMATION
UNCERTAINTY ESTIMATION
MULTI-ROBOT EXPLORATION
spellingShingle ROBOTICA MOVIL
SLAM
VISUAL SLAM
ACTIVE SLAM
ESTIMACION DE ESTADO
ESTIMACION DE INCERTIDUMBRE
EXPLORACION MULTI-ROBOT
MOBILE ROBOTICS
SLAM
VISUAL SLAM
ACTIVE SLAM
STATE ESTIMATION
UNCERTAINTY ESTIMATION
MULTI-ROBOT EXPLORATION
Castro, Gastón Ignacio
Mejoras de escalabilidad y consistencia en sistemas SLAM con aplicaciones en exploración activa multi-robot.
topic_facet ROBOTICA MOVIL
SLAM
VISUAL SLAM
ACTIVE SLAM
ESTIMACION DE ESTADO
ESTIMACION DE INCERTIDUMBRE
EXPLORACION MULTI-ROBOT
MOBILE ROBOTICS
SLAM
VISUAL SLAM
ACTIVE SLAM
STATE ESTIMATION
UNCERTAINTY ESTIMATION
MULTI-ROBOT EXPLORATION
description En un mundo en el que a los robots se les asignan periódicamente tareas cada vez más cruciales, es esencial proporcionar capacidades de mapeo y localización eficientes, sólidas y precisas. Una plataforma robótica móvil que opera en un entorno desconocido o impredecible requiere localizarse adecuadamente y, simultáneamente, construir una representación útil del entorno, con el fin de emitir respuestas lo suficien- temente robustas para la toma de decisiones que no comprometan la seguridad o recursos. Este problema se conoce como localización y mapeo simultáneo (Simultaneous Localization and Mapping, SLAM), el cual es un requisito previo fundamental para lograr la navegación autónoma y representa uno de los principales temas de investigación en la comunidad de robótica. En la presente tesis de investigación se presenta una versión extendida del exitoso sistema de Visual SLAM, S-PTAM (Stereo Parallel Tracking and Mapping), especialmente diseñado para hardware embebido con recursos computacionales limitados. Se introduce una política de segmentación de mapas que mejora la concurrencia de los módulos y permite trabajar de manera eficiente en áreas no conflictivas. Los algoritmos propuestos permiten seleccionar de manera eficiente partes relevantes del mapa a nivel local y ejecutar varias operaciones críticas con complejidad computacional que no dependa del tamaño total del mapa, otorgando así, una mayor escalabilidad al sistema SLAM. Para una experimentación realista y repetible, el sistema resultante se evalúa sobre el dataset EuRoC MAV disponible públicamente, empleando un dispositivo de cómputo embebido de bajos recursos. Se propone, además, un novedoso enfoque SLAM con capacidades de estimación de la incertidumbre. La solución permite reducir la cantidad de variables de estado consideradas durante el proceso de estimación, manteniendo una consistencia aproximada tanto en los valores estimados como en las incertidumbres con respecto a la formulación probabilística. Se proporciona una metodología para construir un prior en tiempo acotado, independientemente del área del grafo seleccionado. Este prior servirá para contextualizar una optimización local, dando como resultado estimaciones consistentes en términos de incertidumbre. Por último, la tesis presenta una aplicación de exploración y planificación de trayectorias multi-robot utilizando métodos SLAM capaces de mantener estimaciones consistentes de incertidumbre. De esta forma, se demuestran los beneficios existentes de los enfoques SLAM desarrollados, logrando ser empleados para tareas de navegación autónoma eficientes.
format Tesis Doctoral
author Castro, Gastón Ignacio
author_facet Castro, Gastón Ignacio
author_sort Castro, Gastón Ignacio
title Mejoras de escalabilidad y consistencia en sistemas SLAM con aplicaciones en exploración activa multi-robot.
title_short Mejoras de escalabilidad y consistencia en sistemas SLAM con aplicaciones en exploración activa multi-robot.
title_full Mejoras de escalabilidad y consistencia en sistemas SLAM con aplicaciones en exploración activa multi-robot.
title_fullStr Mejoras de escalabilidad y consistencia en sistemas SLAM con aplicaciones en exploración activa multi-robot.
title_full_unstemmed Mejoras de escalabilidad y consistencia en sistemas SLAM con aplicaciones en exploración activa multi-robot.
title_sort mejoras de escalabilidad y consistencia en sistemas slam con aplicaciones en exploración activa multi-robot.
publishDate 2021
url https://hdl.handle.net/20.500.12110/tesis_n6812_Castro
work_keys_str_mv AT castrogastonignacio mejorasdeescalabilidadyconsistenciaensistemasslamconaplicacionesenexploracionactivamultirobot
AT castrogastonignacio scalabilityandconsistencyimprovementsinslamsystemswithapplicationsinactivemultirobotexploration
_version_ 1782026379265572864
spelling todo:tesis_n6812_Castro2023-10-03T13:13:03Z Mejoras de escalabilidad y consistencia en sistemas SLAM con aplicaciones en exploración activa multi-robot. Scalability and consistency improvements in SLAM systems with applications in active multi-robot exploration. Castro, Gastón Ignacio ROBOTICA MOVIL SLAM VISUAL SLAM ACTIVE SLAM ESTIMACION DE ESTADO ESTIMACION DE INCERTIDUMBRE EXPLORACION MULTI-ROBOT MOBILE ROBOTICS SLAM VISUAL SLAM ACTIVE SLAM STATE ESTIMATION UNCERTAINTY ESTIMATION MULTI-ROBOT EXPLORATION En un mundo en el que a los robots se les asignan periódicamente tareas cada vez más cruciales, es esencial proporcionar capacidades de mapeo y localización eficientes, sólidas y precisas. Una plataforma robótica móvil que opera en un entorno desconocido o impredecible requiere localizarse adecuadamente y, simultáneamente, construir una representación útil del entorno, con el fin de emitir respuestas lo suficien- temente robustas para la toma de decisiones que no comprometan la seguridad o recursos. Este problema se conoce como localización y mapeo simultáneo (Simultaneous Localization and Mapping, SLAM), el cual es un requisito previo fundamental para lograr la navegación autónoma y representa uno de los principales temas de investigación en la comunidad de robótica. En la presente tesis de investigación se presenta una versión extendida del exitoso sistema de Visual SLAM, S-PTAM (Stereo Parallel Tracking and Mapping), especialmente diseñado para hardware embebido con recursos computacionales limitados. Se introduce una política de segmentación de mapas que mejora la concurrencia de los módulos y permite trabajar de manera eficiente en áreas no conflictivas. Los algoritmos propuestos permiten seleccionar de manera eficiente partes relevantes del mapa a nivel local y ejecutar varias operaciones críticas con complejidad computacional que no dependa del tamaño total del mapa, otorgando así, una mayor escalabilidad al sistema SLAM. Para una experimentación realista y repetible, el sistema resultante se evalúa sobre el dataset EuRoC MAV disponible públicamente, empleando un dispositivo de cómputo embebido de bajos recursos. Se propone, además, un novedoso enfoque SLAM con capacidades de estimación de la incertidumbre. La solución permite reducir la cantidad de variables de estado consideradas durante el proceso de estimación, manteniendo una consistencia aproximada tanto en los valores estimados como en las incertidumbres con respecto a la formulación probabilística. Se proporciona una metodología para construir un prior en tiempo acotado, independientemente del área del grafo seleccionado. Este prior servirá para contextualizar una optimización local, dando como resultado estimaciones consistentes en términos de incertidumbre. Por último, la tesis presenta una aplicación de exploración y planificación de trayectorias multi-robot utilizando métodos SLAM capaces de mantener estimaciones consistentes de incertidumbre. De esta forma, se demuestran los beneficios existentes de los enfoques SLAM desarrollados, logrando ser empleados para tareas de navegación autónoma eficientes. In a world where robots are periodically assigned increasingly crucial tasks, it becomes essential to provide efficient, robust and accurate self-localization and mapping capabilities. A mobile robotic platform that operated in a unknown or unpredictable environment requires to properly localize itself while, simultaneously, build a useful representation of the surroundings, in order to issue responses that are robust enough to make decisions that do not compromise safety or resources. Such problem is referred as Simultaneous Localization and Mapping (SLAM), and is a core prerequisite to achieve autonomous navigation and represents one of the major research topics in the robotics community. In the present research thesis an extended version of the very successful Visual SLAM system S-PTAM (Stereo Parallel Tracking and Mapping) is presented, specially tailored for embedded hardware with limited computational resources. A map segmentation policy is introduced, enhancing modules concurrency and allowing to work efficiently over non-conflicting areas of the map. Proposed algorithms allow to efficiently select locally relevant portions of the map and execute several critical operations with complexity that does not depend on the total map size, granting higher scalability to the SLAM system. For a realistic and repeatable experimentation, the resulting system is evaluated over the publicly available EuRoC MAV dataset, employing a resource-constrained embedded computing device. A novel SLAM approach with uncertainty estimation capabilities is proposed. The solution reduces the amount of state variables considered during the estimation process while still maintaining an approximated consistency in both estimated values and uncertainties, with respect to the complete probabilistic formulation. A methodology for building a prior in bounded time is provided, regardless of the graph area selected. This prior will serve as a way of contextualizing a local optimization, resulting in consistent estimations in terms of uncertainty. Lastly, the thesis presents an exploration and path planning multi-robot application for SLAM methods that are capable of deliver uncertainty estimations. In this way, the benefits of the SLAM approaches developed are established, and these methods can be employed for efficient autonomous navigation tasks. Fil: Castro, Gastón Ignacio. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. 2021 Tesis Doctoral PDF Español info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/tesis_n6812_Castro

Ejemplares similares