Localización y Reconstrucción Simultánea de Entornos por un Robot Móvil: Basada en la Navegación Orientada a las Zonas de Máxima Incertidumbre

Abstract

En esta tesis se presenta el desarrollo e implementación de un algoritmo de SLAM (por sus siglas en inglés de Simultaneous Localization and Mapping) basado en un filtro Extendido de Kalman. El algoritmo de SLAM está implementado en un robot móvil tipo uniciclo, no holonómico y aplicado a entornos cerrados, semiestructurados levemente dinámicos. Mientras el robot móvil explora el ambiente en el cual se encuentra, levanta un mapa del entorno basado en esquinas (cóncavas y convexas) y líneas (asociadas a paredes). Se desarrollan e introducen, las técnicas relativas a la asociación de datos necesaria para asegurar la consistencia y convergencia del algoritmo de SLAM. Se presenta también todo el desarrollo probabilístico del algoritmo. Se propone además la implementación de un SLAM semiautónomo, basado en el control por señales musculares del robot móvil, mientras éste realiza tareas de SLAM en el entorno por el cual navega. Este sistema está dirigido a aplicaciones en tecnologías de rehabilitación, puesto que la cinemática adoptada para el autómata, es idéntica a la cinemática de una silla de rueda a motores. Se implementan dos estrategias de navegación para lograr la autonomía completa del SLAM. Una primera estrategia se basa en la determinación de los puntos de máxima incertidumbre local al robot móvil. La segunda estrategia, aprovecha la gaussianidad del mapa construido por el SLAM para generar los puntos de máxima incertidumbre a nivel global del mapa (el cual puede ser completo o incompleto). Luego utiliza la información métrica y probabilística contenida en el vector de estados del sistema y en su respectiva matriz de covarianzas, para planificar caminos que conduzcan al robot hacia aquellas zonas de máxima incertidumbre global atendiendo a los parámetros gaussianos del entorno. Permite encontrar además, la probabilidad actual de cualquier punto del entorno sin la necesidad de discretizar el espacio de trabajo. Por último, se presentan algunas consideraciones generales a tener en cuenta para la implementación del algoritmo de SLAM en tiempo real junto a una ley de control de navegación del robot móvil. Se hace un análisis de las restricciones de la relación SLAM - Control y se propone una solución al algoritmo de SLAM basado en la asociación de aquellas características que más beneficien la convergencia del filtro. Todos los algoritmos propuestos se acompañan de su correspondiente desarrollo matemático y de sus resultados experimentales.

In this thesis, the development of an SLAM (Simultaneous Localization and Mapping) algorithm based on EKF (Extended Kalman Filter) is proposed. The SLAM algorithm is implemented on a mobile robot (unicycle, non-holonomic) for closed, semi-structured and low-dynamic environments. While the mobile robot explores the environment in which it is located, it builds a line and corner based map. The techniques needed to accomplish the data association and matching for a consistent and convergent algorithm are also provided along with the probabilistic framework of the SLAM. This thesis also shows the implementation of the semi-autonomous SLAM based on the mobile robot control by electro-myographic signals. This system is oriented to rehabilitation technologies considering that, the mobile robot kinematics, is the same that a wheelchair kinematics. Two navigation strategies in order to accomplish full autonomous navigation are presented. These strategies work along with the EKF-based SLAM. The first strategy is based on the determination of the maximum uncertainty zones on a local reference system to the mobile robot. The second strategy also detect maximum uncertainty zones but in the global reference frame. This second approach uses the gaussianity of the built map by the SLAM to detect those uncertainty zones. The map could be either complete or incomplete. The metric and probabilistic information of the state vector and its covariance matrix are then used for a mobile robot path planning. Some considerations for a Real Time SLAM implementation with a Navigational Control Law are introduced. An analysis of constrains of the SLAM - Control relation is made and a solution to the SLAM algorithm based on best features matching is proposed.