Localização de robôs móveis autônomos utilizando fusão sensorial de odometria e visão monocular

The development and refinement of techniques that make simultaneous localization and mapping (SLAM) for an autonomous mobile robot and the building of local 3-D maps from a sequence of images, is widely studied in scientific circles. This work presents a monocular visual SLAM technique based on extended Kalman filter, which uses features found in a sequence of images using the SURF descriptor (Speeded Up Robust Features) and determines which features can be used as marks by a technique based on delayed initialization from 3-D straight lines. For this, only the coordinates of the features found in the image and the intrinsic and extrinsic camera parameters are avaliable. Its possible to determine the position of the marks only on the availability of information of depth. Tests have shown that during the route, the mobile robot detects the presence of characteristics in the images and through a proposed technique for delayed initialization of marks, adds new marks to the state vector of the extended Kalman filter (EKF), after estimating the depth of features. With the estimated position of the marks, it was possible to estimate the updated position of the robot at each step, obtaining good results that demonstrate the effectiveness of monocular visual SLAM system proposed in this paper

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

O desenvolvimento e aperfeiçoamento de técnicas que façam simultaneamente o mapeamento e a localização (Simultaneous Localization and Mapping - SLAM) de um robô móvel autônomo e a criação de mapas locais 3-D, a partir de uma sequência de imagens, é bastante estudada no meio científico. Neste trabalho é apresentado uma técnica de SLAM visual monocular baseada no filtro de Kalman estendido, que utiliza características encontradas em uma sequência de imagens através do descritor SURF (Speeded Up Robust Features) e determina quais características podem ser utilizadas como marcas através de uma técnica de inicialização atrasada baseada em retas 3-D. Para isso, tem-se disponível apenas as coordenadas das características detectadas na imagem e os parâmetros intrínsecos e extrínsecos da câmera. É possível determinar a posição das marcas somente com a disponibilidade da informação de profundidade. Os experimentos realizados mostraram que durante o percurso, o robô móvel detecta a presença de características nas imagens e, através de uma técnica proposta para inicialização atrasada de marcas, adiciona novas marcas ao vetor de estados do filtro de Kalman estendido (FKE) após estimar a profundidade das características. Com a posição estimada das marcas, foi possível estimar a posição atualizada do robô a cada passo; obtendo resultados satisfatórios que comprovam a eficiência do sistema de SLAM visual monocular proposto neste trabalho