Resumen

La acumulación del error de estimación en la odometría inercial visual convencional (VIO) generalmente impide operaciones precisas a largo plazo. Algunas técnicas avanzadas como la optimización global del grafo de poses y el cierre de bucle demandan un tiempo de computación y procesamiento relativamente alto para ejecutar el procedimiento de optimización de toda la trayectoria y puede que no sea factible implementarlas en una plataforma robótica de bajo costo. En un intento por permitir que el VIO opere durante más tiempo sin necesidad de usar o generar un mapa, este artículo desarrolla un filtro de Kalman de cubatura iterado para la aplicación de VIO que realiza múltiples correcciones en una sola medición para optimizar el estado actual del filtro y la covarianza durante la actualización de la medición. El proceso de optimización se termina utilizando criterios basados en la estimación de máxima verosimilitud. Para comparación, este artículo también desarrolla una segunda solución para integrar la estimación de VIO con mediciones de alcance. Las comunicaciones inalámbricas entre el vehículo y múltiples balizas producen las mediciones de alcance y ayudan a limitar los errores acumulativos. Los experimentos utilizan un conjunto de datos de acceso público para validación, y se presenta una comparación rigurosa entre las dos soluciones para determinar el escenario de aplicación de cada solución.

• Materias:Trituradora robótica Análisis cinemático Robots de articulación flexible Robot autónomo Articulación robótica
• Subjects:Robotic shredder Kinematic analysis Flexible joint robots Robot autonomous Robotic articulation
• Palabras claves:Acumulación de errores de estimación; Odometría visual inercial; Optimización gráfica de la pose global; Cierre de bucle; Filtro de Kalman de cubatura iterada; Mediciones de distancia
• Keywords:Estimation error accumulation; Visual inertial odometry; Global pose graph optimization; Loop closure; Iterated cubature Kalman filter; Ranging measurements