Improved Dynamic Obstacle Mapping (iDOMap)
El objetivo de este trabajo fue mejorar nuestro anterior sistema de Mapeo Dinámico de Obstáculos (DOMAp) mediante la mejora de la etapa de percepción. El nuevo sistema debía tratar con robots y personas como obstáculos dinámicos utilizando un sensor LIDAR. Se había identificado un problema en nuestr...
| Autores: | , , , |
|---|---|
| Formato: | artículo |
| Fecha de publicación: | 2020 |
| País: | España |
| Recursos: | Universidad de Alcalá (UAH) |
| Repositorio: | e_Buah Biblioteca Digital Universidad de Alcalá |
| Idioma: | inglés |
| OAI Identifier: | oai:ebuah.uah.es:10017/64655 |
| Acesso em linha: | http://hdl.handle.net/10017/64655 https://dx.doi.org/10.3390/s20195520 |
| Access Level: | acceso abierto |
| Palavra-chave: | Dynamic Obstacles Mapping (DOMap) Particle Filter Optical flow Dynamic occlusion detector Electrónica Electronics |
| Resumo: | El objetivo de este trabajo fue mejorar nuestro anterior sistema de Mapeo Dinámico de Obstáculos (DOMAp) mediante la mejora de la etapa de percepción. El nuevo sistema debía tratar con robots y personas como obstáculos dinámicos utilizando un sensor LIDAR. Se había identificado un problema en nuestro sistema previo ya que cuando el mapeado de los obstáculos dinámicos era únicamente basado en robots se aplicaba un filtro de Kalman extendido (EKF) para realizar el seguimiento, mientras que el modelo de movimiento de las personas ya no podía ser seguido mediante un EKF que lo linealizara correctamente. Por lo tanto, para abordar una mejor estimación de ambos tipos de objetos dinámicos en el mapa local, se decidió mejorar nuestro sistema previo mediante tres puntos clave: (1) se utilizaba la remisión de reflectividad LIDAR para hacer más robusta la coincidencia en el flujo óptico de la etapa de detección, (2) se propusieron detectores de oclusión estáticos y dinámicos y (3) se empleó una etapa de seguimiento basada en Filtro de Partículas (PF, Particle Filter) para trabajar con robots y personas como obstáculos dinámicos. El iDOMap fue probado tanto en simulación como en escenarios reales para comprobar la estimación de velocidades con oclusiones y comprobar la mejora con dos de nuestros últimos algoritmos de evitación de obstáculos (DCVM y DW4DO). El objetivo de estas pruebas fue demostrar cómo la detección de velocidades de los obstáculos dinámicos mejora el rendimiento del algoritmo de evasión de obstáculos, especialmente en situaciones de riesgo, dando como resultado trayectos más seguros y energéticamente eficientes. |
|---|