Resumen

La auto-localización y el mapeo son importantes para los robots móviles en interiores. Presentamos un algoritmo robusto para la construcción de mapas y la localización subsiguiente, especialmente adecuado para robots limpiadores de suelos en interiores. Los métodos comunes, por ejemplo, SLAM, pueden ser fácilmente secuestrados por colisiones o perturbados por objetos similares. Por lo tanto, se necesita un método de establecimiento de mapas globales de keyframes para la localización del robot en múltiples habitaciones y pasillos. La coincidencia de imágenes basada en contenido es el núcleo de este método. Está diseñado para la situación, mediante el establecimiento de keyframes que contienen imágenes tanto del suelo como de las paredes distorsionadas. La distorsión de la imagen, causada por el ángulo de visión y el movimiento del robot, es analizada y deducida. Se presenta una solución de coincidencia de imágenes, que consiste en la extracción de regiones de superposición de keyframes y la reconstrucción de regiones de superposición a través de la coincidencia de subbloques. Para mejorar la precisión, se incorporan métodos de detección de puntos en el techo y de verificación de subbloques que no coinciden. Este método de coincidencia puede procesar el video del entorno de manera efectiva. En experimentos, menos del 5% de los fotogramas se extraen como keyframes para construir el mapa global, que tienen una gran distancia espacial y se superponen entre sí. A través de este método, el robot puede localizarse al hacer coincidir sus fotogramas de visión en tiempo real con nuestro mapa de keyframes. Incluso con muchos objetos/fondos similares en el entorno o al ser secuestrado, la localización del robot se logra con un RMSE de posición <0,5m.

• Materias:Ecuaciones dinámicas Asistencia robótica Sistema robótico modular Mapas cognitivos de navegación Algoritmo de reconocimiento
• Subjects:Dynamic equations Robotic assistance Modular robotic system Cognitive navigation maps Recognition algorithm
• Palabras claves:Autolocalización; Cartografía; Robot móvil de interior; Algoritmo; Construcción de mapa; Localización; Robots limpiadores de suelos de interior; SLAM; Secuestrado; Fotogramas clave; Mapa global; Método de establecimiento; Localización de robot; Habitaciones múltiples; Pasillos; Emparejamiento de imagen basado en contenido; Núcleo; Situación; Fotogramas clave; Suelo; Imágenes de pared distorsionadas; Distorsión de la imagen; ángulo de visión del robot; Movimiento; Solución de emparejamiento de imágenes; Extracción; Regiones solapadas; Emparejamiento de subbloques; Precisión; Detección de puntos del techo; Comprobación de subbloques no coincidentes; Método de emparejamiento; Vídeo del entorno; Fotogramas; Mapa global; Distancia espacial; Fotogramas de visión en tiempo real; Objetos/fondo similares; RMSE de posición.
• Keywords:Self-localization; Mapping; Indoor mobile robot; Algorithm; Map building; Localization; Indoor floor-cleaning robots; SLAM; Kidnapped; Keyframes; Global map; Establishing method; Robot localization; Multiple rooms; Corridors; Content-based image matching; Core; Situation; Keyframes; Floor; Distorted wall images; Image distortion; Robot view angle; Movement; Image matching solution; Extraction; Overlap regions; Subblocks matching; Accuracy; Ceiling points detecting; Mismatching subblocks checking; Matching method; Environment video; Frames; Global map; Space distance; Real-time vision frames; Similar objects/background; Position RMSE