Publicación: Circle estimation via the Kalman Filter and slam techniques
Cargando...
Fecha
2019-09-24
Autores
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
Atribución-NoComercial-SinDerivadas 4.0 Internacional
info:eu-repo/semantics/openAccess
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Resumen
El estudio para encontrar algoritmos de navegación, que permitan a los robots moverse en el entorno, es uno de los campos de investigación más importantes de la Robótica. Muchas innovaciones han sido propuestas con el fin de mejorar el rendimiento de estos métodos. La complejidad asociada hace que esta investigación sea, al mismo tiempo, difícil e interesante. Un aspecto muy importante en el diseño de un modelo de navegación es el reconocimiento de los objetos de su alrededor. El robot obtiene la información necesaria para la representación de dichos objetos, a través de los sensores. Los datos obtenidos de estos sensores, como por ejemplo un láser, suelen venir en forma de segmentos que no representan todo el objeto al que pertenecen. Además, estos datos lleven un error asociado que impiden aplicar métodos geométricos para la estimación. Lo objetos circulares, como por ejemplo columnas o árboles, son muy comunes en estas situaciones. Continuando con el trabajo realizado por Cuadra Troncoso (2011) y Muñoz Bañón (2016), haremos uso del Filtro de Kalman para obtener una aproximación de los parámetros que forman el modelo de un círculo. A pesar de los numerosos ejemplos de aplicación del Filtro de Kalman en la literatura, no se encuentran muchas referencias relacionadas con los círculos. En este trabajo, propondremos un modelo de aproximación de círculos con el Filtro de Kalman Extendido. Hemos adaptado este modelo para mejorar los resultados en la experimentación. Asimismo, aplicaremos este modelo a un problema más práctico. A través de técnicas de localización y mapeo, usaremos el Filtro de Kalman para localizar un robot en movimiento y crear un mapa compuesto por objetos lineales y circulares.
The exploration for better navigational algorithms that allow robots to move in the environment is one of the main fields of research in Robotics. In the literature, many innovations have been proposed in order to improve the performance of these navigational methods. The complexity associated makes the research both exciting and challenging. One crucial step in the design of a proper navigational model is the recognition of the objects that compose the surroundings of the robot. In order to obtain a precise representation, the robot relies on sensors. The data obtained from the laser rangefinder comes in the form of segments that rarely represent the whole object. Furthermore, this data has a particular noise that does not allow to apply the basic geometrical techniques for shape estimation. Circular objects, such as columns or trees, are persistent in many of these situations. Following the research done by Cuadra Troncoso (2011) and Muñoz Bañón (2016), we use the Kalman Filter in order to acquire a better approximation of the parameters that represent the circle. The Kalman Filter is a widely used technique for estimating parameters in dynamic systems. Despite the many examples found in the literature, research on the topic of circle estimation is not abundant. In this paper, we propose a model for estimating circles with the Extended Kalman Filter. Through experimentation, we have adapted this model to improve the results. Moreover, we take a step forward and apply the technique designed for circle estimation to a more practical problem. Using Simultaneous Localization and Mapping techniques, we benefit from the Kalman Filter to
The exploration for better navigational algorithms that allow robots to move in the environment is one of the main fields of research in Robotics. In the literature, many innovations have been proposed in order to improve the performance of these navigational methods. The complexity associated makes the research both exciting and challenging. One crucial step in the design of a proper navigational model is the recognition of the objects that compose the surroundings of the robot. In order to obtain a precise representation, the robot relies on sensors. The data obtained from the laser rangefinder comes in the form of segments that rarely represent the whole object. Furthermore, this data has a particular noise that does not allow to apply the basic geometrical techniques for shape estimation. Circular objects, such as columns or trees, are persistent in many of these situations. Following the research done by Cuadra Troncoso (2011) and Muñoz Bañón (2016), we use the Kalman Filter in order to acquire a better approximation of the parameters that represent the circle. The Kalman Filter is a widely used technique for estimating parameters in dynamic systems. Despite the many examples found in the literature, research on the topic of circle estimation is not abundant. In this paper, we propose a model for estimating circles with the Extended Kalman Filter. Through experimentation, we have adapted this model to improve the results. Moreover, we take a step forward and apply the technique designed for circle estimation to a more practical problem. Using Simultaneous Localization and Mapping techniques, we benefit from the Kalman Filter to
Descripción
Categorías UNESCO
Palabras clave
Citación
Centro
Facultades y escuelas::E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial