Dissertação

{en_GB=Are the Latest SLAM Pipelines Improving the Pose Accuracy Remarkably?} {} EVALUATED

{pt=SLAM é um método computacional baseado em sensores que permite equipar robots móveiscom a capacidade de criarem mapas do seu ambiente e de se localizarem nesses mapas. SLAM permite criar robots autónomos, sendo atualmente um tópico de forte investigação e desenvolvi-mento. O objetivo principal desta dissertação é o desenvolvimento de um método de SLAM quepode ser utilizado como base de comparação e avaliação de outros métodos SLAM, estado de arte, disponíveis publicamente.Esta dissertação foca o caso específico de os dados sensoriais serem exclusivamente se-quências de imagens ou sequências de imagens complementadas com mapas de profundidades.COLMAP and Visual SfM são duas implementações de SLAM, estado da arte, que são consideradas nesta dissertação para comparação e avaliação, utilizando a implementação proposta deSLAM.São considerados várias bases de dados utilizadas comummente para avaliação de implementações de SLAM. A implementação de SLAM proposta é baseada em módulos (toolboxes) de Matlab. Os vários métodos considerados, e o método proposto, são complexos em termos de cálculo com-putacional e memória necessários, por natureza da metodologia SLAM. Os resultados obtidoscom a implementação proposta são comparáveis em termos de precisão aos resultados das im-plementações estado da arte. Estes resultados mostram que SLAM sobre sensores de imagemtem um nível de maturidade elevado, as várias implementações são eficazes, permitindo a suautilização em muitas aplicações robóticas., en=Simultaneous Localization And Mapping (SLAM) computational methods endow moving robots with the capabilities of building maps of unknown environments and localizing within those maps. SLAM is an essential component for robotics autonomy, required in many applications and therefore subject of constant research and development. The main objective of this dissertation is the development of an implementation of a SLAM method that serves as a comparison and assessment baseline for the state of the art, public domain, implementations. This thesis is concerned with the specific cases where the input data is based just on video cameras, acquiring 2D images, or is based on colour-depth cameras, acquiring 2D images and depth maps. COLMAP and Visual SfM are the two state of the art, public domain, SLAM implementations that are considered to compare and assess with respect to the baseline. Various datasets commonly used for SLAM developing are considered. The proposed SLAM method was implemented based on standard Matlab toolboxes as a baseline to compare and assess the state of the art SLAM methods. As expected, all SLAM methods were found to be complex in computation time and memory. The results obtained with the proposed implementation were found to have an accuracy comparable to the one obtained with a state of the art implementation. This shows that SLAM may have already reached a high research and engineering maturity level.}
{pt=VSFM, COLMAP, Depth dataset, Matlab, SLAM, Depth map, en=VSFM, COLMAP, Depth dataset, Matlab, SLAM, Depth map}

Outubro 20, 2020, 16:0

Orientação

ORIENTADOR

Pedro Daniel dos Santos Miraldo

IST-ID

Investigador Auxiliar

ORIENTADOR

José António Da Cruz Pinto Gaspar

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar