Modelamiento semántico del entorno para la conducción autónoma de un vehículo terrestre

Abstract

La conducción autónoma de vehı́culos requiere de un método de localización robusto a cambios en el ambiente debidos, entre otros, a la iluminación natural, los objetos dinámicos presentes y a las condiciones ambientales. Los mapas topológicos permiten una representación concisa del mundo al mantener solo información sobre los lugares relevantes, mientras que los mapas semánticos permiten una representación de alto nivel que incluye etiquetas asociadas con lugares u objetos. Es por esto que en este trabajo se propone el uso de mapas topológicos semánticos como una solución robusta y eficiente para el mapeo en lugares extensos para su uso en la conducción de vehı́culos autónomos. El objetivo de esta tesis es modelar el entorno de un vehı́culo a través de un mapa topológico semántico, utilizando información semántica obtenida del procesamiento de imágenes de la cámara frontal del vehı́culo, lo que permite generar una descripción de alto nivel del entorno para su uso en la localización de un vehı́culo autónomo en condiciones de navegación urbanas y rurales. La metodologı́a para la construcción del Mapa Topológico Semántico utiliza un método de seg- mentación semántica basado en redes neuronales profundas para extraer la información semántica de las imágenes, y construye el mapa en una estructura de grafo que describe el entorno del vehı́cu- lo. Para llevar a cabo la localización del vehı́culo en un mapa topológico semántico conocido se implementó un método basado en filtros de partı́culas que resuelve exitosamente el problema de localización. Esta metodologı́a fue probada en una base de datos de conducción urbana, logrando describir 9,57[km] de caminos de ciudad con un grafo que contiene 232 aristas. La metodologı́a de localización fue probada utilizando un segundo recorrido de 8,45[km] obteniéndose una precisión promedio de 7,7[m] en la estimación de la pose del vehı́culo, mostrando mejores resultados que otros dos métodos del estado del arte. Además, los experimentos realizados demuestran la robustez de la metodologı́a en el caso de no tener una estimación inicial de la pose del vehículo.