Por favor, use este identificador para citar o enlazar este ítem: http://cicese.repositorioinstitucional.mx/jspui/handle/1007/2993
Diseño de algoritmos adaptativos para sistemas SLAM con cámara RGB-D
Design of adaptive algorithms for SLAM systems with RGB-D camera
ANTONIO DE JESUS ORTIZ GONZALEZ
VITALI KOBER
Acceso Abierto
Atribución
Localización, mapeo, SLAM, cámara RGB-D, característica visual, algoritmo adaptativo, RANSAC, ICP
Localization, mapping, SLAM, RGB-D camera, visual feature, adaptive algorithm, RANSAC, ICP
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.
Visual Simultaneous localization and mapping (SLAM) is a very active research problem in the fields of autonomous mobile robotics and computer vision, where a robot needs to localize itself in unknown environments by processing onboard camera information without external referencing systems such as Global Positioning System (GPS). In this work, we present a feature-based visual SLAM, which is able to produce highquality tridimensional maps in real time with a low-cost RGB-D camera such as the Microsoft Kinect. It is suitable for future planning or common robot navigation tasks. First, a comprehensive performance evaluation of the combination of different stateof-the-art feature detectors and descriptors is presented. The main purpose behind these evaluations is to determine the best detector-descriptor combination to use for robot navigation. Second, we use the RANSAC algorithm in combination with the Iterative Closest Point (ICP) algorithm to get the relative motion between consecutive frames and then to refine the pose estimate following the composition rule. However, the spatial distribution and resolution of depth data affect the performance of 3D scene reconstruction based on the RANSAC and ICP. Due to this, we propose an adaptive architecture, which computes the pose estimate from the most reliable measurements in a given environment. We evaluate our approach extensively on common available benchmark datasets. The experimental results demonstrate that our system can robustly deal with challenging scenarios while being fast enough for online applications.
CICESE
2019
Tesis de maestría
Español
Ortiz González, A J. 2019. Diseño de algoritmos adaptativos para sistemas SLAM con cámara RGB-D. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 113 pp.
INTELIGENCIA ARTIFICIAL
Aparece en las colecciones: Tesis - Ciencias de la Computación

Cargar archivos:


Fichero Descripción Tamaño Formato  
iTesis (1).pdfVersión completa de la tesis12.67 MBAdobe PDFVisualizar/Abrir