SLAM basado en visión estéreo para la navegación autónoma de robots hexápodos

• Autores: Fischer, Thomas Arnim
• Año de publicación: 2019
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Mejail, Marta Estela; De Cristóforis, Pablo Esteban
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

Para permitir que un robot móvil pueda de navegar y realizar tareas de manera autónoma, previamente se necesitan resolver al menos dos problemas esenciales: Es necesario que exista un control de alto nivel para controlar su desplazamiento, por ejemplo a través de comandos de velocidad, y el robot debe ser capaz de estimar con precisión su pose (posición y orientación) respecto del entorno que lo rodea. Además, para lograr completa autonomía, estos sistemas deben poder ser ejecutados en una computadora a bordo en tiempo real. En el caso general donde un robot no cuenta con un mapa previo de su entorno ni información externa que le permita conocer su pose, ambas tareas deben ser realizadas en forma simultánea. El problema de localizar a un robot y construir un mapa del entorno simultáneamente se denomina Simultaneous Localization and Mapping (SLAM). Una forma particular de resolverlo es utilizando características visuales extraídas a partir de imágenes capturadas por una o más cámaras montadas sobre el robot. Éstas pueden ser utilizadas para crear un mapa del entorno y localizar al robot dentro del mismo. El objetivo final de esta tesis es diseñar e implementar un sistema que reúna todas las características necesarias para poder realizar navegación autónoma en robots hexápodos basándose en un sistema de SLAM visual. A pesar de que existen soluciones, por lo general se limitan a espacios de trabajo pequeños y controlados, y no funcionan bien en computadoras con un poder de procesamiento limitado, como las que se encuentran a bordo de los robots móviles. Sobre esta base, se realizan varias mejoras en un algoritmo SLAM del estado del arte para adaptarlos a la tarea particular de la locomoción de hexápodos. La principal contribución de este trabajo se basa en modelar los elementos del problema SLAM basado en minimización como variables aleatorias. Las incertidumbres y la información mutua calculada de esta manera se utilizan para marginalizar de manera eficiente las regiones distantes para Bundle Adjustment minimizando la pérdida de información. Esto evita que el problema escale linealmente con el tamaño del mapa, lo que permite al sistema navegar a largo plazo, incluso en unidades de procesamiento embebidas. Para validar el enfoque, se realizan una serie de experimentos que muestran un robot hexápodo realizando una navegación autónoma en terreno dificultoso, mientras todas las tareas se ejecutan en una computadora a bordo y responden en tiempo real. Se miden y analizan diferentes métricas de rendimiento como el costo computacional y el error de localización. Los resultados muestran la viabilidad y la robustez del sistema desarrollado como se propone en esta tesis.
Fil: Fischer, Thomas Arnim. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.