[pt] Robôs móveis têm uma grande gama de aplicações, incluindo veículos
autônomos, robôs industriais e veículos aéreos não tripulados. Navegação
móvel autônoma é um assunto desafiador devido à alta incerteza e nãolinearidade
inerente a ambientes não estruturados, locomoção e medições de
sensores. Para executar navegação autônoma, um robô precisa de um mapa
do ambiente e de uma estimativa de sua própria localização e orientação
em relação ao sistema de referência global. No entando, geralmente o
robô não possui informações prévias sobre o ambiente e deve criar o
mapa usando informações de sensores e se localizar ao mesmo tempo,
um problema chamado Mapeamento e Localização Simultâneos (SLAM).
As formulações de SLAM usam algoritmos probabilísticos para lidar com
as incertezas do problema, e a abordagem baseada em grafos é uma das
soluções estado-da-arte para SLAM. Por muitos anos os sensores LRF (laser
range finders) eram as escolhas mais populares de sensores para SLAM.
No entanto, sensores RGB-D são uma alternativa interessante, devido ao
baixo custo. Este trabalho apresenta uma implementação de RGB-D SLAM
com uma abordagem baseada em grafos. A metodologia proposta usa o
Sistema Operacional de Robôs (ROS) como middleware do sistema. A
implementação é testada num robô de baixo custo e com um conjunto de
dados reais obtidos na literatura. Também é apresentada a implementação
de uma ferramenta de otimização de grafos para MATLAB. / [en] Mobile robots have a wide range of applications, including autonomous
vehicles, industrial robots and unmanned aerial vehicles. Autonomous mobile
navigation is a challenging subject due to the high uncertainty and nonlinearity
inherent to unstructured environments, robot motion and sensor
measurements. To perform autonomous navigation, a robot need a map of
the environment and an estimation of its own pose with respect to the global
coordinate system. However, usually the robot has no prior knowledge about
the environment, and has to create a map using sensor information and localize
itself at the same time, a problem called Simultaneous Localization and
Mapping (SLAM). The SLAM formulations use probabilistic algorithms to
handle the uncertainties of the problem, and the graph-based approach is
one of the state-of-the-art solutions for SLAM. For many years, the LRF
(laser range finders) were the most popular sensor choice for SLAM. However,
RGB-D sensors are an interesting alternative, due to their low cost.
This work presents an RGB-D SLAM implementation with a graph-based
probabilistic approach. The proposed methodology uses the Robot Operating
System (ROS) as middleware. The implementation is tested in a low
cost robot and with real-world datasets from literature. Also, it is presented
the implementation of a pose-graph optimization tool for MATLAB.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:51950 |
Date | 23 March 2021 |
Contributors | MARCO ANTONIO MEGGIOLARO, MARCO ANTONIO MEGGIOLARO |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | English |
Detected Language | Portuguese |
Type | TEXTO |
Page generated in 0.0021 seconds