Localización y mapeo simultáneos mediante el uso de un sistema de visión estéreo

• Autores: Pire, Taihú Aguará Nahuel
• Año de publicación: 2017
• Idioma: inglés
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Jacobo Berlles, Julio César Alberto
• Materia: ROBOTICA MOVIL; SLAM; VISION ESTEREO; CIERRE DE CICLOS; MOBILE ROBOTICS; SLAM; STEREO VISION; LOOP CLOSURE
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

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 le permita conocer su pose, debe realizar dichas tareas de manera simultánea. El problema de localizar a un robot 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. El método, denominado S-PTAM por el acrónimo en inglés de Stereo Parallel Tracking and Mapping, fue desarrollado de manera tal que sea capaz de correr en tiempo real en ambientes de grandes dimensiones permitiendo estimar de forma precisa la pose del robot a medida que construye un mapa del ambiente en un 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 computacional de los procesadores de múltiples núcleos. Además de los módulos de localización y mapeo, se propone 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, robustez y costo computacional se presenta una comparación de los detectores y descriptores binarios más relevantes de la literatura. Finalmente, se presentan experimentos con datasets públicos que permiten validar la precisión y la performance del método propuesto. Como resultado se obtuvo que S-PTAM es uno de los métodos de SLAM más precisos del estado del arte. S-PTAM fue publicado como software libre para facilitar su uso y comparacióncon otros métodos de SLAM.
In order to allow a mobile robot navigate and perform tasks autonomously, it must know its pose (positionand orientation) and have a representation of the environment (map). In environments where therobot does not have a previous map and no external information is provided to know its pose, it is necessaryto perform both tasks simultaneously. The problem of localizing a robot and building a map of theenvironment simultaneously is called SLAM; this stands for Simultaneous Localization and Mapping. In this thesis, a system based on stereo vision to address the problem of SLAM is presented. The method,called S-PTAM as an acronym for Stereo Parallel Tracking and Mapping, was developed. This method isintended to run in real-time for long trajectories, allowing to estimate the pose accurately as it builds asparse map of the environment on a global coordinate system. For optimal performance, S-PTAM decouples localization and mapping tasks of the SLAM problem intotwo independent threads, allowing us to take advantage of multicore processors. Besides the localizationand the mapping modules, a loop closure module that can recognize places previously visited by the robotis proposed. The detected loops are used to refine the map and the estimated trajectory, effectively reducingthe accumulated error of the method so far. S-PTAMworks on the visual features extracted from the images provided by the stereo camera. To determinewhich feature extractor is the most suitable in terms of accuracy, a comparison in terms of robustnessand computational cost of the most relevant detectors and binary descriptors in the literature is performed. Finally, experiments with public datasets for validating the accuracy and performance of the proposedmethod are presented. As a result S-PTAM is one of the most accurate SLAM methods of the state of the art. S-PTAM was released as free software to ease its use and to allow comparison with other SLAM methods.
Fil: Pire, Taihú Aguará Nahuel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.