Dissertação

{pt_PT=Point Cloud Registration with Applications in Distributed SLAM} {} APPROVED

{pt=Esta dissertação propõe um algoritmo de registo de nuvens de pontos, com aplicação a localização e mapeamento simultâneos (SLAM, de Simultaneous Localization and Mapping), em que diversos veículos mapeiam simultaneamente uma dada região. Primeiramente, o problema do SLAM é abordado ao nível de um veículo, com o problema de mapeamento formulado no referencial solidário a si. Usufruindo de três giroscópios e de uma câmara, é implementado um processo de filtragem para garantir a convergência das estimativas de posição dos marcos observados, velocidade do veículo, e polarização dos giroscópios. Uma abordagem teórica é depois usada para desenvolver o algoritmo de registo, de modo a garantir a sua precisão e robustez em ambientes estocásticos. É alcançada uma melhoria na complexidade do algoritmo de registo de nuvens de pontos em 2D, quando comparado com o estado da arte. Diversas nuvens de pontos são usadas para testar os algoritmos, desde cenários gerados aleatoriamente até scans reais em 3D. É dado ênfase ao tempo de execução do algoritmo, de forma a assegurar a possibilidade de implementações em tempo real. A dissertação culmina com simulações de missões de SLAM distribuídas. Para a missão em 2D, é utilizada uma arena fictícia, enquanto que o cenário em 3D usa dados recolhidos numa digitalização prévia de um auditório real. Por fim, discutem-se possíveis extensões e trabalho futuro, passível de ser realizado com o propósito de diminuir o tempo de execução do registo e de aumentar a eficiência de futuras missões de mapeamento distribuídas., en=This work proposes a point cloud registration algorithm with application to simultaneous localization and mapping (SLAM), where several vehicles simultaneously map a given region. Firstly, the SLAM problem is analysed for each of the vehicles, with the mapping problem formulated in their respective body-fixed frames. Equipped with just a triad of biased rate gyros and a range and bearing camera, a filtering process is implemented to ensure the convergence of the landmark position estimates, vehicle velocity, and gyroscope bias. A theoretical approach is then used to develop the registration algorithm, to ensure its accuracy and robustness in stochastic settings. Several versions are developed, including 2D and 3D variants. A reduced complexity is achieved for the developed 2D registration algorithm, when compared with the state of the art. All the algorithms are tested on diverse point clouds, ranging from randomly generated points to real 3D scans. For the SLAM-tailored variants, a strong emphasis is placed on the runtime of the algorithm, thus enabling online implementations. The work culminates with simulations of distributed SLAM missions. For the 2D mission, a fictitious arena is used, whereas a previous scan of a real auditorium is used for the 3D scenario. To wrap up the dissertation, possible future work to decrease the registration time and increase the efficiency of a distributed SLAM mission is discussed.}
{pt=Mapeamento Distribuído, Registo de Nuvens de Pontos, Filtro de Kalman, Veículos Autónomos, en=Distributed SLAM, Point Cloud Registration, Kalman Filter, Autonomous Vehicles, Range and Bearing Camera}

Orientação

ORIENTADOR

Pedro Tiago Martins Batista

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Paulo Jorge Coelho Ramalho Oliveira

Departamento de Engenharia Mecânica (DEM)

Professor Catedrático