[eng] Localization and mapping are two fundamental tasks in several domains, such as mobile
robotics or augmented/virtual reality. These tasks involve, respectively, to accurately determine
the position and orientation of an agent within its operating environment and construct
a map of its surroundings. Given their close relationship, Simultaneous Localization and
Mapping (SLAM) algorithms propose to solve these tasks at the same time in an incremental
manner. SLAM has been carried out using different sensors for years. When cameras are
used as the main source of information, these approaches are known as Visual SLAM. While
traditional Visual SLAM algorithms have achieved a high level of accuracy in textured environments,
they may struggle in low-textured environments due to a lack of visual features on
them. This can lead to inaccurate motion estimates, a degraded map quality or even failures.
Under this context, this thesis address the challenge of improving the accuracy, reliability
and robustness of Visual SLAM systems in low-textured environments. With this objective in
mind, we propose two novel Visual Odometry (VO) and two Loop Closure Detection (LCD)
methods that combine traditional approaches with geometrical features of the scene, such as
lines or planes, typically more present in low-textured scenarios. The accuracy, adaptability
and effectiveness of the proposed methods are thoroughly validated through a comprehensive
set of experiments. The results show that our solutions present a better accuracy and performance,
in contrast to other state-of-the-art methods, in low-textured environments and,
additionally, perform favourably in other scenarios, demonstrating the potential of incorporating
geometrical features into visual SLAM algorithms in these cases.
[spa] La localización y el mapeo son dos tareas fundamentales en diversos ámbitos, tales como la
robótica móvil o la realidad aumentada/virtual. Estas tareas implican, respectivamente, determinar
con precisión la posición y orientación de un agente dentro de su entorno y construir
un mapa del mismo. Dada su estrecha relación, los algoritmos Simultaneous Localization
and Mapping (SLAM) proponen resolver estas tareas al mismo tiempo de forma incremental.
Desde hace años, los métodos de SLAM se han llevado a cabo utilizando diversos tipos de
sensores. Cuando se utilizan cámaras como principal fuente de información, estos métodos
se conocen como Visual SLAM. Aunque los algoritmos tradicionales de Visual SLAM han
alcanzado un alto nivel de precisión en entornos texturizados, pueden tener dificultades en
entornos con poca textura, debido fundamentalmente a la falta de características visuales en
ellos. Esto puede dar lugar a estimaciones de movimiento imprecisas, una baja calidad del
mapa o incluso a fallos. En este contexto, esta tesis aborda el reto de mejorar la precisión,
fiabilidad y robustez de los sistemas de Visual SLAM en entornos de baja textura. Con este
objetivo en mente, proponemos dos nuevos métodos de odometría visual y de detección de
cierre de bucles que combinan las técnicas tradicionales con características geométricas de la
escena, tales como líneas o planos, típicamente más presentes en escenarios de baja textura. La
precisión, adaptabilidad y eficacia de los métodos propuestos se validan exhaustivamente mediante
un amplio conjunto de experimentos. Los resultados muestran que nuestras soluciones
presentan una mayor precisión y rendimiento, en comparación con otros métodos clásicos de
la literatura, en entornos de baja textura y, además, se comportan favorablemente en otros
escenarios, demostrando el potencial de incorporar características geométricas a los algoritmos
de Visual SLAM en estas situaciones.
[cat] La localització i el mapeig són dues tasques fonamentals en diversos àmbits, com ara la robòtica
mòbil o la realitat augmentada/virtual. Aquestes tasques impliquen, respectivament, determinar
amb precisió la posició i orientació d’un agent dins del seu entorn i construir un mapa
d’aquest. Donada la seva estreta relació, els algorismes Simultaneous Localization and Mapping
(SLAM) proposen resoldre aquestes tasques al mateix temps de manera incremental.
Des de fa anys, els mètodes de SLAM s’han dut a terme utilitzant diversos tipus de sensors.
Quan s’utilitzen càmeres com a principal font d’informació, aquests mètodes es coneixen com
a Visual SLAM. Encara que els algorismes tradicionals de Visual SLAM han aconseguit un alt
nivell de precisió en entorns texturats, poden tenir dificultats en entorns amb poca textura,
degut fonamentalment a la falta de característiques visuals en ells. Això pot donar lloc a estimacions
de moviment imprecises, una baixa qualitat del mapa o fins i tot a fallades. En aquest
context, aquesta tesi aborda el repte de millorar la precisió, fiabilitat i robustesa dels sistemes
de Visual SLAM en entorns de baixa textura. Amb aquest objectiu en ment, proposem dos
nous mètodes de odometría visual i de detecció de tancament de bucles que combinen les
tècniques tradicionals amb característiques geomètriques de l’escena, com ara línies o plans,
típicament més presents en escenaris de baixa textura. La precisió, adaptabilitat i eficàcia
dels mètodes proposats es validen exhaustivament mitjançant un ampli conjunt d’experiments.
Els resultats mostren que les nostres solucions presenten una major precisió i rendiment, en
comparació amb altres mètodes clàssics de la literatura, en entorns de baixa textura i, a
més, es comporten favorablement en altres escenaris, demostrant el potencial d’incorporar
característiques geomètriques als algorismes de Visual SLAM en aquestes situacions.