Resumen de Localización en entornos estructurados basada en la detección de esquinas

Martín Bayón Gutiérrez, Natalia Prieto Fernández, Isaías García Rodríguez, María del Carmen Benavides Cuéllar, Maite García-Ordás, José Alberto Benítez Andrades

• español

  La gran exactitud y resolución que presentan las mediciones realizadas con sensores LiDAR (Light Detection And Ranging) los convierte en habituales en sistemas SLAM (Simultaneous Localization And Mapping). El gran volumen de datos proporcionado por dichos sensores se puede reducir a un conjunto de puntos característicos que definen el entorno. Dicha reducción de datos simplifica el proceso de mapeado y posicionamiento disminuyendo así la carga computacional del proceso SLAM. En este trabajo se propone un sistema para la estimación de la trayectoria seguida por un elemento robótico basado únicamente en información LiDAR 2D. La nube de puntos proporcionada por el sensor es analizada para extraer una serie de esquinas características que conforman el entorno de navegación, que nos permiten estimar el movimiento del robot mediante PLGO (Pose-Landmark Graph Optimization). Los resultados experimentales muestran como el sistema propuesto ofrece una precisión en la localización del robot comparable a la que se puede obtener mediante técnicas ICP (Iterative Closest Point).

• English

  LiDAR (Light Detection and Ranging) sensors provide high accuracy and high resolution readings of the environment, which makes them a common sensor to be used in SLAM (Simultaneous Localization and Mapping) systems. The large volume of data provided by these sensors can be reduced to a set of characteristic points that define the environment, consequently simplifying the mapping and positioning process, while reducing the storage needed to preserve the measurements taken by the robot as well as the result of the SLAM process carried out. In this work, we propose a system for the estimation of the trajectory followed by a robot equipped solely with a 2D LiDAR. The point cloud is analyzed to extract a set of characteristic corners that compose the navigation environment, which allows for the estimation of the robot trajectory by means of PLGO (Pose-Landmark Graph Optimization). Experimental results show that the proposed method offers a localization accuracy similar to using ICP (Iterative Closest Point)