Diseño de algoritmos adaptativos para sistemas SLAM con cámara RGB-D
La localización y el mapeo simultáneo (SLAM) visual es un problema de investigación muy activo en las áreas de la robótica móvil autónoma y visión por computadora, donde un robot necesita localizarse en entornos desconocidos procesando la información de cámaras a bordo sin sistemas de referencia ext...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2019 |
| País: | México |
| Institución: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repositorio: | Repositorio Institucional CICESE |
| Idioma: | español |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/2993 |
| Acceso en línea: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/2993 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/Autor/Localización, mapeo, SLAM, cámara RGB-D, característica visual, algoritmo adaptativo, RANSAC, ICP info:eu-repo/classification/Autor/Localization, mapping, SLAM, RGB-D camera, visual feature, adaptive algorithm, RANSAC, ICP info:eu-repo/classification/cti/7 info:eu-repo/classification/cti/33 info:eu-repo/classification/cti/3304 info:eu-repo/classification/cti/120304 |
| Sumario: | La localización y el mapeo simultáneo (SLAM) visual es un problema de investigación muy activo en las áreas de la robótica móvil autónoma y visión por computadora, donde un robot necesita localizarse en entornos desconocidos procesando la información de cámaras a bordo sin sistemas de referencia externos como el Sistema de Posicionamiento Global (GPS). En este trabajo, se presenta un SLAM visual basado en características visuales, que es capaz de producir mapas tridimensionales de alta calidad en tiempo real con una cámara RGB-D de bajo costo como el Microsoft Kinect. El mapa generado es adecuado para la planificación futura o tareas comunes de navegación de robots. Primero, se presenta una evaluación integral del rendimiento de la combinación de diferentes detectores y descriptores de características visuales más usados en SLAM. El propósito principal detrás de estas evaluaciones es determinar la mejor combinación de algoritmo de descriptor-detector para usar en la navegación del robot. En segundo lugar, utilizamos el algoritmo RANSAC en combinación con el algoritmo del punto más cercano iterativo (ICP) para obtener el movimiento relativo entre cuadros consecutivos y luego refinar la estimación de pose siguiendo la regla de composición. Sin embargo, la distribución espacial y la resolución de los datos de profundidad afectan el rendimiento de la reconstrucción de escenas 3D basada en RANSAC e ICP. Debido a esto, proponemos una arquitectura adaptativa que calcule la estimación de pose a partir de las mediciones más confiables en un entorno dado. Evaluamos nuestro enfoque ampliamente en los conjuntos de datos de referencia disponibles comúnmente usados en la literatura. Los resultados experimentales demuestran que nuestro sistema puede lidiar robustamente con escenarios desafiantes mientras es lo suficientemente rápido para aplicaciones en línea. |
|---|