Non-Rigid Monocular SLAM Inside the Human Body
El auge de la inteligencia artificial está acelerando rápidamente la automatización de muchas tareas a través de robots autónomos. Las técnicas de Localización y Mapeo Simultáneo (SLAM) son clave para dotar a los robots de la capacidad de crear mapas de su entorno y localizarse utilizando sensores i...
| Autores: | , |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | España |
| Recursos: | Universidad de Zaragoza |
| Repositorio: | Zaguán. Repositorio Digital de la Universidad de Zaragoza |
| OAI Identifier: | oai:zaguan.unizar.es:133189 |
| Acesso em linha: | http://zaguan.unizar.es/record/133189 |
| Access Level: | acceso abierto |
| Palavra-chave: | robótica visión artificial inteligencia artificial |
| Resumo: | El auge de la inteligencia artificial está acelerando rápidamente la automatización de muchas tareas a través de robots autónomos. Las técnicas de Localización y Mapeo Simultáneo (SLAM) son clave para dotar a los robots de la capacidad de crear mapas de su entorno y localizarse utilizando sensores integrados. Una de las ramas más desarrolladas es el SLAM Visual (V-SLAM), que tiene como objetivo replicar la capacidad humana de percibir el entorno y localizarse en ´el, usando principalmente cámaras como sensores.<br />En esta tesis, nuestro objetivo es ampliar las aplicaciones de SLAM a nuevos ámbitos donde antes no era factible aplicarlo. En este caso, nos enfocamos en la robótica médica, que presenta desafíos significativos para el SLAM visual, pero también una gran cantidad de oportunidades. Las principales dificultades encontradas incluyen el uso de cámaras de gran angular, texturas deficientes y cambios de iluminación que dificultan la asociación de datos, y la presencia de deformaciones que impiden la aplicación de técnicas SLAM convencionales. <br />En primer lugar, abordamos el uso de cámaras de gran angular en sistemas SLAM, clásicamente diseñados en torno a cámaras estenopeicas. Hemos estudiado y rediseñado los diferentes componentes de una libreria V-SLAM para permitir el uso no solo de cámaras de gran angular, sino también de cualquier tipo de cémara en general. Estos resultados se han integrado en un nuevo sistema SLAM denominado ORB-SLAM3. Este sistema de SLAM visual y visual-inercial de código abierto es el más completo hasta la fecha, capaz de funcionar con cámaras monoculares o estéreo, con lentes convencionales, gran angular u ojo de pez, y con capacidades multi-mapa.<br />En segundo lugar, exploramos cómo realizar la asociación de datos en entornos con baja textura y cambios abruptos de iluminación, como imágenes médicas. Con este propósito, hemos desarrollado un método de flujo óptico fotométrico que permite una asociación de datos robusta y precisa en entornos donde otros métodos fallan.<br />Finalmente, hemos investigado métodos deformables de SLAM monocular capaces de reconstruir escenas en las que las superficies se deforman. Hemos estudiado diferentes modelos de deformación y representaciones del mapa, analizando sus ventajas y limitaciones.<br />Para el mapa, hemos investigado representaciones globales (mallas de triángulos), representaciones dispersas (surfels) y representaciones híbridas (nubes de puntos con interrelaciones), siendo estas últimas las más efectivas, ya que son fácilmente escalables y altamente expresivas. Para las deformaciones, hemos estudiado modelos isométricos, modelos planos cuasi-isométricos y modelos físicos, siendo este último el más general y preciso. El resultado final es NR-SLAM, el sistema de SLAM monocular deformable más completo, capaz de modelar cualquier superficie con topologías cambiantes, que logra los mejores resultados de reconstrucción hasta la fecha en escenarios médicos reales.<br /> |
|---|