Divide and conquer: efk slam in o(n)

• Autores: Lina Maria Paz Perez
• Directores de la Tesis: José Neira Parra (dir. tes.)
• Lectura: En la Universidad de Zaragoza ( España ) en 2008
• Idioma: español
• Tribunal Calificador de la Tesis: Juan Domingo Tardos Solano (presid.) , José María Martinez Montiel (secret.) , Patric Jensfelt (voc.) , Cyrill Stachinss (voc.) , Carlos Balaguer Bernaldo de Quirós (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • El problema de la Localización y Construcción de Mapas Simultánea (SLAM: Simultaneous Localization and Mapping) sobre un entorno a partir de información parcial obtenida por un sensor embebido en el robot, es parte fundamental de la robotica móvil autónoma . Desde su formulación inicial en los años 80, gran parte de la investigación realizada en este campo se ha enfocado en primer lugar en el problema estimación, y en segundo lugar, en el tema de percepción. En los últimos trabajos de investigación que aparecen en la literatura, el problema se considera solucionado en entornos de mediana escala, ya que el costo computacional de la solución crece en el cuadrado del número de características en el mapa, O(n2) En el trabajo de tesis presentado por Lina Maria Paz se abordan entomos a gran escala. La tesis presenta las siguientes contribuciones: * Desarrollo de Divide and Conquer SLAM (D&C-SLAM), un algoritmo de estimación basado en el original EKF-SLAM. D&C se caracteriza por el uso de técnicas de fusión de mapas locales adaptados convenientemente en una estructura de árbol, cuyo uso permite llevar a cabo SLAM en tiempo real en entornos a gran escala con una complejidad computacional de O'(n), en el tamaño del mapa n. El mismo algoritmo, produce soluciones consistentes sin efectuar aproximaciones, salvo aquellas producidas naturalmente por las linealizaciones.

    * Esta tesis también aborda por completo la evolución del problema de la asociación de datos, la cual es resuelta en O(n), gracias a la formulación de algoritmos más elaborados como la Compatibilidad Conjunta Aleatorizada (RJC: Rondomized Joint Compatibility), requerida para asociar gran cantidad de emparejamientos entre medidas y caracteristicas del mapa que no pueden ser asociadas con los algoritmos actuales.

    * El problema de la Localización Global también ha sido abordado mediante técnicas de teselación, combinadas con un esquema de Transformada de Hough, tal que es posible obtener la posición del robot en O(n), dado un mapa previamente construido.

    * Por último, estos algoritmos se han adaptado a aplicaciones de visión usando una cámara estéreo. La tesis presenta un sistema de SLAM con visión que permite llevar a cabo movimientos con 6 grados de libertad. Además de aplicar el algoritmo de estimación D&C SLAM, y el algoritmo de asociación de datos RJC, el sistema contribuye con la adecuada combinación de dos parametrizaciones para la representación 3D del entorno: una representación del inverso de la distancia es usada para puntos con profundidad infinita, mientras puntos con profundidad definida son directamente representados en coordenadas 3D. Por otro lado, el sistema considera medidas individuales de las cámaras, salvo cuando existe suficiente disparidad entre pixeles que corresponden a un mismo elemento visto en ambas cámaras.

    * El resultado es un sistema que permite construir mapas 3D de entomos interiores y exteriores, y con el cual es posible llevar a cabo trayectorias de cientos de metros correspondiendo a mucho más de lo alcanzado con sistemas basados solamente en cámaras