RGB-D Scan Matching basado en Covariance Matrix Adaptation - Evolution Strategy

Autor: Granda Guerrero, María
Přispěvatelé: Martín Monar, Fernando, Universidad Carlos III de Madrid. Departamento de Ingeniería de Sistemas y Automática
Rok vydání: 2016
Předmět:
Zdroj: e-Archivo. Repositorio Institucional de la Universidad Carlos III de Madrid
instname
Popis: En el campo de la robótica, la búsqueda de algoritmos y métodos que permitan crear mapas robustos es uno de los temas más estudiados en los últimos años. Cada vez es mayor el interés en desarrollar robots autónomos, con el fin de emplearlos para tareas difíciles o que no pueden ser realizadas por los humanos, como por ejemplo exploraciones espaciales u operaciones de rescate. Para ello, es necesario que el robot sea capaz de enfrentarse a un entorno desconocido, y localizarse dentro de él. Así surge el problema del SLAM (Simultaneous Localization and Mapping), que consiste en que el robot sea capaz de ir construyendo un mapa de un entorno desconocido, y a la vez ubicarse dentro de él. Un aspecto muy ligado a este problema es el scan matching, objeto principal de este trabajo. Con el scan matching se busca encontrar la transformación rígida (traslación y rotación) que alinea dos barridos del entorno diferentes. Estos barridos son proporcionados por sensores como cámaras RGB. A lo largo de los años, se han ido buscando nuevas técnicas con las que poder realizar el matching. Algunas de estas técnicas son las denominadas Estrategias Evolutivas, mediante las que se busca resolver problemas de optimización basándose en los procesos de la evolución natural. En estas técnicas, se tiene una población inicial que evoluciona y varía de acuerdo al valor de coste obtenido hasta que converge a una solución. En este trabajo se ha implementado una solución al scan matching basada en el Covariance Matrix Adaptation-Evolution Strategy. Con este método se busca realizar el matching entre dos scans minimizando una función de coste. Además se utilizan las propiedades del color para seleccionar los puntos característicos de cada barrido, reduciéndose el coste computacional del método. In the robotics field, the research of new algorithms and methods that allow creating robust maps is one of the most studied issues during the last years. Interest in developing autonomous robots is growing further, in order to use them for difficult tasks or other tasks that can not be done by humans, as for example space explorations or rescue operations. To do that, it is necessary that the robot has the capacity of dealing with an unknown environment and of being located itself in the map. For that matter SLAM problem appears (Simultaneous Localization and Mapping), which consists of the fact that the robot is capable of building a map of an unknown environment, and simultaneously of locating itself inside this environment. A highly related aspect to this problem is scan matching, which is the main subject of this project. Scan matching’s purpose is finding the rigid transformation (translation and rotation) that aligns two different scans of the environment. These scans are provided by sensors such as RGB cameras. Throughout the years, researchers have been looking for new techniques that could perform the matching. Some of these methods are the so called Evolutionary Strategies, by means of which it is look to solve optimization problems based on the process of natural evolution. In these techniques, there is an initial population that evolves and changes according to the cost value obtained until it converges to a solution. In this work, a solution of the Scan Matching problem has been implemented based on the Covariance Matrix Adaptation-Evolution Strategy algorithm. With this method it is look to achieve the matching between two scans by minimizing a cost function. Color properties are also used to select featured points in the scans, reducing the computational cost of the method. Ingeniería en Tecnologías Industriales
Databáze: OpenAIRE
Externí odkaz: