Resumen de Técnicas para la localización visual robusta de robots en tiempo real con y sin mapas
Los robots son cada vez más utilizados en todo tipo de tareas. Para que los robots sean útiles, deben ser capaces de obtener información de su alrededor para interactuar con el medio que les rodea. Esta información se puede recibir mediante múltiples sensores, destacando entre ellos las cámaras ya que permiten obtener muchos datos y su precio es bajo. Para que un robot pueda interactuar con su entorno es fundamental que conozca su localización, de la que dependerá en gran medida su comportamiento.
Durante muchos años, uno de los principales campos de investigación de la robótica ha sido la localización de robots en entornos conocidos, en los que se dispone de un mapa o se conoce la posición de ciertos elementos reconocibles (balizas). Existen numerosas alternativas para abordar este problema: la localización con sensores específicos, la localización mediante balizas y geometría o la localización probabilística (filtros de Kalman, modelos de Markov, filtros de partículas, etc). La principal ventaja de estos algoritmos es su robustez; sin embargo, presentan ciertas limitaciones a la hora de tratar con mapas que contengan simetrías, ya sea porque no sean capaces de mantener de forma simultánea varias posibles soluciones o porque su tiempo de cómputo sea demasiado elevado.
Por otro lado, la localización de robots o cámaras independientes en entornos desconocidos ha tenido un gran avance en los últimos años. A partir del año 2003, se empezaron a desarrollar los algoritmos conocidos como MonoSLAM. Estos algoritmos lograban a partir de una sola cámara localizarse en 3D y crear un mapa del entorno de forma simultánea en tiempo real, utilizando para ello filtros de Kalman. Desde el 2007, se intentó resolver este mismo problema empleando algoritmos de optimización que funcionasen en tiempo real, con los que se mejoró la precisión y los mapas obtenidos.
Los algoritmos de localización con mapas permiten situar a los robots en entornos de grandes dimensiones, pero su localización no suele ser muy precisa (centímetros). Por otra parte, los algoritmos de localización en entornos desconocidos tienen una gran precisión (milímetros), pero se pierden fácilmente en determinadas circunstancias. Por ello, en esta tesis se explora la forma de aportar conocimiento en estos dos tipos de algoritmos de localización. Primero, se propone un nuevo método de localización con mapas conocidos enfocado a entornos que cuenten con simetrías, utilizando una sola cámaras y funcionando en tiempo real. El segundo aporte consiste en un algoritmo de autolocalización visual sin mapas computacionalmente ligero, para que funcione incluso en procesadores modestos, típicos de drones o teléfonos móviles. Ambas propuestas han sido validadas experimentalmente en condiciones reales.
