Detección y cierre de ciclos en sistemas SLAM basados en visión estéreo

• Autores: Castro, Gastón Ignacio
• Año de publicación: 2016
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Pire, Taihú Aguará Nahuel; De Cristóforis, Pablo Esteban
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

Las aplicaciones relativas a robots autónomos móviles requieren la construcción de una representación o mapa del entorno y la localización fiable del robot en el mismo. En SLAM (Simultaneous Localization And Mapping) se plantea abordar ambos problemas de manera simultánea. Los métodos que resuelven SLAM deben tratar con la acumulación del error en la estimación de la posición y orientación del robot, que va creciendo de forma no acotada a medida que aumenta la longitud de la trayectoria recorrida y la dimensión del mapa construido. Para abordar este problema los métodos de SLAM deben contar con la capacidad de detectar una región previamente visitada por el robot y ajustar tanto, la localización del robot como el mapa construido minimizando el error acumulado hasta el momento. Este problema se conoce como Loop Closure, que incluye la detección y cierre de ciclos en la trayectoria realizada por el robot. El presente trabajo propone una solución al problema de la detección y cierre de ciclos en sistemas de SLAM que utilizan cámaras estéreo como sensor principal. Para lograr este objetivo, se divide el problema en tres etapas: la detección de ciclos en la trayectoria, el cálculo del desvío cometido en la localización y la corrección tanto de la localización actual del robot como del mapa construido hasta el momento. Por cada etapa se lleva a cabo una profunda revisión del estado del arte, exponiendo aquellos métodos y técnicas que motivaron la solución propuesta en este trabajo. Para realizar la detección de ciclos se entrena un vocabulario visual en una etapa previa, de manera de obtener una discretización del espacio de descriptores de las imágenes capturadas por la cámara. Este vocabulario visual se utiliza luego para obtener una representación eficiente de las imágenes (bag-of-words) que permite evaluar la similitud entre las imágenes obtenidas en un determinado momento y las que componen el mapa construido. A través de la comparación de vectores bag-of-words asociados a cada imagen se hallan candidatos a ciclos que se validan utilizando técnicas geométricas para establecer la consistencia espacial entre los distintos momentos de la trayectoria. Por último, se efectúan los cierres de ciclo y corrección del mapa por medio de técnicas de optimización de grafos y algoritmos de minimización no lineal. La solución propuesta se implementó como un módulo para ser incorporado al sistema S- PTAM (Stereo Parallel Tracking And Mapping) de código abierto. Los experimentos realizados con datasets de dominio público bajo el framework ROS (Robot Operating System) muestran que la detección y cierre de ciclos mejoran drásticamente la estimación de la localización del robot en el entorno y la calidad del mapa construido, permitiendo al mismo tiempo la ejecución del sistema en tiempo real.
Applications concerning mobile autonomous robots requires building a representation or map of the environment, and the accurate localization of the robot in it. SLAM (Simultaneous Localization and Mapping) proposes to address both problems simultaneously. The methods that solve SLAM must deal with error accumulation on the estimation of position and orientation, which grows unbounded as it increases the length of the path traveled and the size of the map constructed. To address this issue, SLAM methods must be able to detect a region previously visited by the robot and adjust both, the robot’s localization and the map built minimizing the accumulated error up to that moment. This problem is known as Loop Closure, including the detection and closure of loops in the trajectory carried out by the robot. This work proposes a solution to the problem of detecting and closing loops in SLAM systems that use stereo cameras as the main sensor. To achieve this objective, the problem is divided into three stages: detection of loops in the trajectory, calculation of the deviation occurred in the localization and correction of both, current robot’s localization and the map built up to that moment. For each stage a thorough review of the state of the art is carried out, exposing those methods and techniques that led to the solution proposed in this work. To perform the loop detection a visual vocabulary is trained in a previous stage in order to obtain a discretization of the descriptor space of images captured by the camera. This visual vocabulary is then used to obtain an efficient representation of images (bag-of-words) that allows the similarity evaluation of images obtained at a given time and those composing the map built. Loop candidates are formulated through the comparison of the bag-of-words vectors associated to each image, these candidates are then validated using geometric vision techniques for the establishment of the spatial consistency between the different moments of the trajectory. Finally, loop closing and map correction is performed using graph optimization techniques and nonlinear minimization algorithms. The proposed solution is implemented as a module to be incorporated into the S-PTAM (Stereo Parallel Tracking And Mapping) open source system. Experiments performed with public domain datasets under the ROS (Robot Operating System) framework, show that detection and closure of loops dramatically improve the estimation of the robot localization on the environment and quality of the map built, while allowing system execution in real time.
Fil: Castro, Gastón Ignacio. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.