Construcción cooperativa de mapas visuales mediante un equipo de robots móviles

Resum

La creación de mapas del entorno es una habilidad esencial para un robot móvil, ya que un gran número de aplicaciones en este campo precisan de un modelo del espacio por el que se desplazan los vehículos. En consecuencia, la construcción de mapas por medio de robots móviles ha supuesto un tema de investigación de gran interés durante las últimas dos décadas. Este problema se ha denominado generalmente SLAM (Simultaneous Localization and Mapping), ya que considera la situación en la que el robot debe construir un mapa y, al mismo tiempo, deducir su pose dentro de ese mismo mapa. El problema planteado es de extrema dificultad: cualquier error que se cometa en la estimación de la pose del robot inducirá un error en la construcción del mapa. A continuación, el error cometido en el mapa generará un error en la localización del robot. AsÌ pues, el problema planteado recuerda a una "pescadilla que se muerde la cola'' y está considerado como uno de los retos más complicados en el campo de la robótica móvil. Hasta hace relativamente pocos años la creación de mapas se ha basado en la utilización de sensores de distancia láser para crear mapas en 2 y 3 dimensiones. Recientemente, ha surgido un gran interés en utilizar cámaras para la creación de mapas. Estas soluciones se han agrupado bajo el término de SLAM visual. Sin embargo, los sistemas de visión son normalmente menos precisos que los sensores láser y la gran cantidad de información obtenida por las cámaras debe ser procesada para poderse tratar convenientemente. Como resultado, el problema de SLAM se hace, si cabe, más complicado. En esta tesis se plantea la idea de crear mapas basados en un conjunto de puntos de interés encontrados en el entorno. Estos puntos se extraen a partir de imágenes capturadas en el entorno mediante algún método de detección de puntos significativos. A continuación, cada punto detectado se asocia con un descriptor visual calculado en base a la apariencia visual del punto. En nuestro caso, el descriptor se utiliza para resolver el problema de la asociación de datos: cuando el robot tiene que decidir si la observación actual se corresponde con alguna de las marcas visuales que ha almacenado en el mapa o, por el contrario, no la ha detectado anteriormente y debe crear una nueva marca. La asociación de datos es crítica en la creación del mapa visual: asociaciones de datos incorrectas darán lugar a mapas incoherentes. Cuando el robot se mueve por el espacio observará las mismas landmarks visuales desde diferentes puntos de vista, debiendo ser capaz de asociar las medidas obtenidas con la marca visual correcta. En consecuencia, resulta de vital importancia la selección de métodos de detección de puntos de interés y de descripción que resulten adecuados para la creación de mapas visuales. Así pues, se consideró interesante la realización de una evaluación sobre los métodos de detección y descripción más comunes en la actualidad, con el objetivo de encontrar los más adecuados para el proceso de SLAM visual. La capacidad para crear mapas es vital en tareas en las que varios robots deban moverse y cooperar entre sí. La exploración de un entorno por medio de un conjunto de robots móviles es un ejemplo claro de este tipo de tareas. En este caso es de vital importancia que los robots sean capaces de crear un mapa coherente mediante las observaciones realizadas por los diferentes miembros del equipo. Así pues, en esta tesis se propone un método de SLAM visual que es capaz de crear un mapa utilizando un conjunto de observaciones por un equipo de robots en movimiento. El método propuesto se basa en un filtro de partículas de tipo Rao-Blackwell y estima, simultáneamente, el mapa y las trayectorias más probables en base a los movimientos y observaciones realizadas por todos los robots conjuntamente. En nuestra opinión, esta es la primera solución de SLAM visual para el caso multi-robot. La validez de las propuestas realizadas en esta tesis se ha comprobado mediante un conjunto de experimentos realizados con datos simulados, así como utilizando datos reales capturados por un conjunto de robots móviles reales. Los resultados presentados demuestran la validez de las soluciones propuestas en un amplio conjunto de situaciones.