FenixEdu™

Dissertação

Robotic Home Sentinel EVALUATED

Detalhes: Esta dissertação aborda o problema de mapear e navegar um robot móvel em ambientes interiores, utilizando visão artificial. O primeiro sensor considerado é uma câmara RGBD. A informação de profundidade permite transportar para 3D pontos característicos seleccionados na imagem ("SIFT features"). Um conjunto de três pontos 3D, ou mais, correspondidos entre imagens consecutivas, permitem estimar o movimento de uma câmara considerando uma transformação rígida (problema de Procrustes). Para além da estimação de movimento, as imagens de profundidade permitem calcular o espaço livre à frente do robot. A partir de várias leituras de espaço livre pode ser criado um mapa de ocupação ("occupancy grid"), que depois permite encontrar trajectórias para navegação. Alternativamente a utilizar uma câmara RGBD, consideramos também a utilização de uma câmara RGB/grey. A combinação de várias imagens obtidas ao longo do tempo, utilizando uma metodologia de mapeamento e localização (SLAM), permite recuperar informação 3D. Em particular consideramos um modelo geométrico para o cenário assumindo uma estrutura tubular com secção rectangular (corredor). A retro-projecção permite passar pontos no plano da imagem em 2D para 3D no referencial da câmara, assumindo conhecida a calibração. Sobre o mapa construído, como no caso anterior, é aplicado um planeador de trajectórias, resultando no final um caminho da posição actual para a desejada. Ambas as metodologias de navegação foram testadas em ambientes de realidade virtual. Os resultados obtidos comparados com os dados da simulação, ground truth, são promissores.
Keywords: Modelo Câmara, EKF, SLAM, Planeador de Trajectórias, Transformação Rígida.

Discussão: maio 21, 2014, 9:30