Visual SLAM for 3D large-scale seabed acquisition employing underwater vehicles

This paper presents a novel technique to align partial 3D reconstructions of the seabed acquired by a stereo camera mounted on an autonomous underwater vehicle. Vehicle localization and seabed mapping is performed simultaneously by means of an Extended Kalman Filter. Passive landmarks are detected on the images and characterized considering 2D and 3D features. Landmarks are re-observed while the robot is navigating and data association becomes easier but robust. Once the survey is completed, vehicle trajectory is smoothed by a Rauch-Tung-Striebel filter obtaining an even better alignment of the 3D views and yet a large-scale acquisition of the seabed

Visual SLAM for underwater vehicles using video velocity log and natural landmarks

A visual SLAM system has been implemented and optimised for real-time deployment on an AUV equipped with calibrated stereo cameras. The system incorporates a novel approach to landmark description in which landmarks are local sub maps that consist of a cloud of 3D points and their associated SIFT/SURF descriptors. Landmarks are also sparsely distributed which simplifies and accelerates data association and map updates. In addition to landmark-based localisation the system utilises visual odometry to estimate the pose of the vehicle in 6 degrees of freedom by identifying temporal matches between consecutive local sub maps and computing the motion. Both the extended Kalman filter and unscented Kalman filter have been considered for filtering the observations. The output of the filter is also smoothed using the Rauch-Tung-Striebel (RTS) method to obtain a better alignment of the sequence of local sub maps and to deliver a large-scale 3D acquisition of the surveyed area. Synthetic experiments have been performed using a simulation environment in which ray tracing is used to generate synthetic images for the stereo system

Estudio de errores en la localización en espacios interiores, de dispositivos móviles por medio de tecnologías WiFi

La localización en ambientes de interiores basada en dispositivos modernos de uso masivo, como los dispositivos móviles, es un área actual de investigación y desarrollo que ha empezado a generar productos para diferentes aplicaciones. Sin embargo, la estimación del error en estas mediciones, sus fuentes y la forma como se propaga, que evita tener mayor exactitud en la localización, aún presenta un área pendiente de estudio. Esta investigación toma una de las técnicas comunes de estudio de localización de dispositivos por redes inalámbricas WiFi para estudiar los diferentes errores que ella conlleva, sus fuentes y su propagación. Este trabajo también propone un nuevo enfoque y nueva metodología, que permite reducir el error en la localización de dispositivos WiFi, con base a la clasificación de las redes inalámbricas presentes en un escaneo, la identificación de muestras y datos fortuitos, la estabilización de muestreos de potencias de redes WiFi, y la implementación de un filtro de Kalman, para la predicción de medidas estables de estas potencias.

Evolución de la NAIRU en la economía española: una estimación mediante el filtro de Kalman

La tasa de paro de inflación estable (NAIRU) describe aquella tasa de desempleo que se alcanza en el equilibrio entre las reivindicaciones salariales de los trabajadores y los objetivos de beneficio de las empresas. En este trabajo se desarrolla un enfoque teórico general que permite determinar el nivel de la NAIRU. Esta cuestión adquiere una especial trascendencia teórica y empírica si se tiene en cuenta que esta tasa de paro de equilibrio ha aumentado en la mayoría de países europeos. Sin embargo, esta tasa de paro de equilibrio no puede observarse directamente por lo que se recurre a su estimación econométrica a partir del filtro de Kalman. Para ilustrar la potencialidad del modelo desarrollado y la influencia de la determinadas variables relacionadas con la distribución de las rentas salariales, se analiza cual ha sido la evolución de la NAIRU para la economía española en el periodo 1964-2004.