Resumen

Las técnicas probabilísticas (como el filtro de Kalman extendido y el filtro de partículas) se han utilizado durante mucho tiempo para resolver problemas de localización y mapeo robótico. A pesar de su buen rendimiento en aplicaciones prácticas, pueden sufrir problemas de inconsistencia. Este trabajo propone un método basado en el análisis de intervalos para estimar la pose del vehículo (posición y orientación) de forma consistente, mediante la fusión de sensores de bajo coste y datos cartográficos. Convertimos el problema de localización en un Problema de Satisfacción de Restricciones por Intervalos (ICSP), resuelto mediante técnicas de Propagación de Restricciones por Intervalos (ICP). Se construye un mapa de intervalos cuando un vehículo con sensores caros navega por el entorno. A continuación, los vehículos con sensores de bajo coste (dead reckoning y cámara monocular) pueden utilizar este mapa para la ego-localización. Los resultados experimentales demuestran la solidez del método propuesto para lograr una localización coherente.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:sensores de coste, problema de satisfacción de restricciones de intervalo, filtro de kalman ampliado, propagación de restricciones de intervalo, método, vehículo, resultados experimentales, filtro de partículas, técnicas probabilísticas, localización coherente
• Keywords:cost sensors, interval constraint satisfaction problem, extended kalman filter, interval constraint propagation, method, vehicle, experimental results, particle filter, probabilistic techniques, consistent localization