Implementación de mapeo y localización simultánea en vehículos autónomos utilizando filtro PHD y visión computacional

Abstract

El presente trabajo aborda la implementación de un sistema de Localización y Mapeo Simultáneo (SLAM) empleando información visual mediante el uso de Conjuntos Finitos Aleatorios (Random Finite Sets, o RFS ) en el contexto de robótica, denominado como RFS-SLAM. Mediante una cámara RGB-D, es posible obtener información del entorno de tal manera de poder elaborar un mapa de este, y permitir que el dispositivo pueda ubicarse dentro de dicho mapa, sin necesidad de tener información previa. El uso de Random Finite Sets en los algoritmos SLAM permiten que estos modelen entornos dinámicos sin necesidad de utilizar algoritmos de asociación de datos, cuya complejidad escala de manera exponencial al introducir nueva información proveniente de la trayectoria y el mapa, por lo que se plantea en este trabajo de memoria que el desempeño de algoritmos SLAM que se basan en RFS es más robusto al utilizar información visual frente a errores de detección. Para la ejecución del algoritmo, se capturaron imágenes mediante una cámara RGB-D, capturando mediciones del entorno mediante descriptores ORB y la información provista por el sensor de profundidad de la cámara Kinect, estimando así la posición de objetos de interés relativos a la cámara a lo largo de una trayectoria. Dicha información se le entrega al algoritmo RFS-SLAM, que arroja tanto la trayectoria estimada como la ubicación de dichos elementos de interés en el espacio. Los resultados de dicha implementación permiten concluir un menor error a lo largo de la trayectoria en comparación a los comandos de movimiento realizados, a la vez de robustez de dicho resultado al aumentar la incertidumbre.