Localización y mapeo simultáneo mediante cámara y sensores para el control de un robot móvil
Date
2022-08Author
Gonzales Laura, Edgar
Tutor
Suñagua Salgado, Porfirio
Metadata
Show full item recordAbstract
Para desarrollar robots verdaderamente autónomos (que sean independientes sin la intervención de un operador humano) se debe resolver primero el problema del mapeo y localización simultáneo (tema de esta tesis), luego se requiere otro paso que es la planificación de trayectoria (investigación a futuro). Dentro de las técnicas para el mapeo y localización simultáneo SLAM (Simultaneous Localization and Mapping), se observa que las técnicas se enfocan hacia el uso de sensores en función de cámaras, y de estas imágenes capturadas tiene un proceso para resolver el SLAM. Sin embargo se propone un modelo matemático que se lo denomina simple SLAM “S-SLAM” para resolver el SLAM con un robót móvil, en una propuesta basada en asumir que el sistema es lineal, esto por las características de los sensores a bordo del robot (dispositivos electrónicos) para odometría. Ello difiere de los análisis clásicos y actuales, donde al ser analizados cómo sistemas no lineales repercuten en la complejidad matemática y el coste
computacional, es decir procesar la información en tiempo real. Cómo lo realizaría una persona no vidente, primero se calcula la distancia y luego se desplaza hacia un sector que se considere libre para locomoción, es algo que se observa y
se puede replicar para proponer una nueva técnica SLAM. Esto se logra realizando el modelo de movimiento de un robot, si el movimiento es en dos dimensiones, por trigonometría, se tiene una relación de giros y deplazamientos, estas órdenes las envía una computadora con un algoritmo que recibe los datos obtenidos del movimiento del robot, y esta computadora procesa el mapeo y localización con el robot. A la vez la propuesta incluye procesar imágenes matemáticamente aplicando la descomposi ción SVD y adicionar al mapa, pues en los mapas actuales solo se aprecia los contornos del mapa (restricciones), pero queda varios sectores sin información (datos vacios), entonces es posible aprovechar esos espacios para adicionar más información del entorno.
Se realiza la odometría para la localización con control de giro y lectura de medidas de distancias de sensores con precisión pues se incluye la aplicación del filtro de Kalman. El resultado final es un mapa que muestra las distancias de las paredes, o restricciones, así cómo imágenes de puntos estratégicos de movimiento para un entornos en dos dimensiones.