Resumen

Los vehículos robóticos que trabajan en entornos desconocidos requieren la capacidad de determinar su ubicación mientras aprenden sobre los obstáculos situados a su alrededor. En este artículo se presenta un método para resolver el problema SLAM que hace uso de cuadrículas de ocupación comprimidas. El enfoque presentado es una extensión del algoritmo FastSLAM que almacena una forma comprimida de la rejilla de ocupación para reducir la cantidad de memoria necesaria para almacenar el conjunto de rejillas de ocupación mantenidas por el filtro de partículas. El rendimiento del algoritmo se presenta mediante resultados experimentales obtenidos utilizando un pequeño vehículo terrestre de bajo coste equipado con LiDAR, brújula y cámara orientada hacia abajo que proporciona al vehículo mediciones de odometría visual. Los resultados presentados demuestran que aunque con nuestro enfoque la rejilla de ocupación mantenida por cada partícula utiliza sólo el 40% de los datos necesarios para almacenar la rejilla de ocupación sin comprimir, todavía podemos lograr resultados casi idénticos al enfoque en el que cada filtro de partículas almacena la rejilla de ocupación completa.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:enfoque, rejilla de ocupación, vehículo terrestre pequeño y económico, rejillas de ocupación comprimidas, rejilla de ocupación completa, almacenes de filtros de partículas, rejilla de ocupación no comprimida, mediciones de odometría visual, algoritmo fastslam, vehículos robóticos
• Keywords:approach, occupancy grid, small inexpensive ground vehicle, compressed occupancy grids, full occupancy grid, particle filter stores, uncompressed occupancy grid, visual odometry measurements, fastslam algorithm, robotic vehicles