Navegación Autónoma Basada en Mapas Públicos Geo-Referenciados

Resumen

La representación del entorno juega un papel crucial en la navegación autónoma. A esta representación, se le suele denominar en la literatura como mapa, y su construcción suele realizarse mediante vehículos de mapeado dedicados. Sin embargo, aunque este tipo de mapas son muy precisos a nivel local, presentan el inconveniente de ser globalmente inconsistentes debido a la acumulación de pequeños errores que se hacen relevantes cuando los mapas crecen en tamaño. En la presente tesis doctoral, se propone como alternativa, la navegación autónoma basada en mapas públicos geo-referenciados. Este tipo de mapas, a diferencia de los construidos mediante vehículos de mapeado, son por naturaleza globalmente consistentes debido a que proceden de imágenes aéreas que se encuentran geo-referenciadas. Esto, además de ser una ventaja en sí misma, conlleva otro tipo de beneficios, como la no dependencia de un proceso de mapeado, o la posibilidad de navegar sin restricciones en el tamaño del entorno. No obstante, la integración de los mapas públicos geo-referenciados introduce algunas particularidades en la implementación de los algoritmos de navegación autónoma. Durante la investigación que se expone en esta memoria, se han desarrollado diferentes métodos para abordar dichas particularidades. En el módulo de localización, la representación de mapas geo-referenciados introduce la dependencia de un tipo de marcas que deben ser observables, tanto desde imágenes por satélite, como desde los sensores locales del vehículo. Esta restricción genera representaciones escasas que, a menudo, resultan en zonas ambiguas para la asociación de datos (efecto aliasing). Para abordar estos temas, se han desarrollado diferentes métodos robustos, como Delta-Angle Lane Markings Representation, una estrategia de representación para el proceso de asociación de datos, y Distance-Compatible SAmple Consensus, un método de asociación de datos. Para mitigar el efecto del aliasing en el módulo de localización, también se han empleado capacidades de autoajuste, que modifican de manera dinámica la configuración del método de asociación de datos en función de la pseudo-entropía medida en las observaciones. Por otra parte, para el módulo de planificación de rutas, se ha desarrollado un método llamado Naive-Valley-Path que corrige las imprecisiones locales intrínsecas en los mapas públicos. Todos estos métodos han sido comparados con sus homólogos en el estado del arte, demostrando en todos los casos mejoras que han resultado en contribuciones de gran impacto para la comunidad científica