Slam visual cooperativo mediante fusión de mapas 3d adquiridos por robots móviles

Resumen

La robótica es un campo de estudio muy amplio que tiene aplicaciones muy diversas en distintos campos: industria, tareas de rescate, medicina, etc. En la presente tesis nos centramos en la robótica móvil, y más concretamente en la construcción de mapas visuales. De forma general, un robot móvil es un robot con capacidad de locomoción que se plantea tres cuestiones clave: ¿Dónde estoy? ¿A dónde voy? ¿Cómo llego allí?. Estas tres cuestiones dan lugar a tres problemas fundamentales de la robótica: localización, mapping y path-planning. Obviamente, estos conceptos están relacionados entre sí. Concretamente, a la necesidad de crear un mapa y, simultáneamente, resolver el problema de localización, se le conoce comunmente como el problema de SLAM (Simultaneous Localization and Mapping). La solución a este problema dota al robot de la autonomía necesaria para realizar otras tareas de alto nivel. En cuanto al tipo de información que el robot extrae del entorno, existen diferentes propuestas en la literatura científica. Recientemente, existe un interés creciente en el uso de sistemas de visión para percibir el entorno. Las cámaras son dispositivos más económicos que otros sensores, como los láser y permiten extraer mayor cantidad de información del entorno. Nuestra propuesta en la presente tesis es la utilización de un sistema de visión estéreo, con el que se obtiene información 3D de la escena. En particular, este trabajo dedica un capítulo completo al estudio de marcas visuales orientadas a la tarea de SLAM visual. En este estudio se han definido una serie de requerimientos y criterios de evaluación específicos con el fin de obtener unas marcas visuales que estables y con la saliencia suficiente para que la tarea de SLAM se desarrolle adecuadamente. Por otro lado, en referencia al algoritmo utilizado para resolver el problema de SLAM, en esta tesis se utiliza el agoritmo FastSLAM. Se trata de un filtro de partículas de tipo Rao-Blackwellized cuya idea principal es la de separar el problema de localización y el de construcción del mapa. Es decir, si el robot estuviese perfectamente localizado, la estimación del mapa sería trivial y viceversa. Manteniendo esta idea el algoritmo se basa en un conjunto de partículas que representan la incertidumbre en la pose del robot. Cada partícula es una hipótesis sobre el camino seguido por el robot y el mapa. La construcción de mapas es una tarea que puede ser llevada a cabo por un único robot. Sin embargo, será llevada a cabo de forma más eficiente si existe un conjunto de robots que cooperan y se coordinan en la consecución de esta tarea. En este sentido, se encuentran propuestas en las que los robots construyen un mapa de forma conjunta. En el caso del filtro de partículas, se mantendría un filtro conjunto estimando los caminos de todos los robots y el mapa común. Otra idea es la de realizar la construcción de mapas de forma independiente, de forma que cada robot crea un mapa local y posteriormente se puede fusionar en un mapa común. En la presente tesis, se propone seguir la línea en la que cada robot construya un mapa local de forma independiente. La principal ventaja es que, en este caso, no es necesario conocer la posición inicial de la que parten los robots. El enfoque de abordar una tarea de SLAM-multirobot de forma independiente ha dado lugar a diversas tareas de investigación recogidas en dos capítulos de la presente tesis. Por un lado, se incluye un estudio del alineamiento y fusión de mapas de características visuales. El objetivo de este estudio es que, dado un conjunto de mapas con sistemas de referencia distintos, creados por distintos robots o por un robot en diferentes momentos, se pueda obtener un mapa común. Por otro lado, y en el contexto de SLAM-multirobot, se realiza una propuesta que engloba las dos principales propuestas comentadas anteriormente. Concretamente, se propone la construcción de mapas mediante un equipo de robots utilizando filtros de FastSLAM independientes. Es decir, cada robot mantiene su propio filtro y realiza la estimación del mapa y del camino de forma individual. A continuación, a partir de cierto instante, los robots comparten sus mapas y tratan de encontrar el alineamiento entre dichos mapas. A partir de ahí, la transformación entre los sistemas de referencia es conocida y los robots pueden compartir sus observaciones. A nivel del filtro de partículas, lo que se propone es que cada robot siga manteniendo su filtro independiente construyendo el mapa a partir de sus propias observaciones y a partir de las observaciones realizadas por el resto de robots que son introducidas tendiendo en cuenta el error cometido en su estimación y en la estimación del alineamiento. A esta propuesta se le ha denominado iFastSLAM (independent FastSLAM). Los experimentos presentados en la presente tesis pretenden validar las propuestas realizadas. Para lo cual se han utilizado tanto datos simulados como datos reales capturados por los robots.