Construcción de un mapa topo-geométrico del entorno y localización de manera simultánea

• Autores: Beatriz López Boada
• Directores de la Tesis: Luis Enrique Moreno Lorente (dir. tes.)
• Lectura: En la Universidad Carlos III de Madrid ( España ) en 2002
• Idioma: español
• Tribunal Calificador de la Tesis: Carlos Balaguer Bernaldo de Quirós (presid.), José María Armingol Moreno (secret.), Juan López Coronado (voc.), Fernando Matía Espada (voc.), Luis Enrique Montano Gella (voc.)
• Materias:
  • Ciencias tecnológicas
    • Tecnología de la instrumentación
      • Tecnología de la automatización
• Texto completo no disponible (Saber más ...)
• Resumen

  • Se trata de resolver el problema de generación de un mapa del entorno de un robot que se desplaza, debido a los errores de odometría, que se incrementan a medida que el robot se desplaza y que hace necesario llevar a cabo un proceso de localización que permita estimar la posición del robot en relación con elementos conocidos. A este problema de localización se le denomina SLAM. El método propuesto permite generar un mapa del entorno mientras que el robot se desplaza, al mismo tiempo que se localiza utilizando las características del mapa. El robot, en cada desplazamiento, adquiere información del entorno a través de un telémetro laser y almacena la información odeométria. El entorno es modelado como un grafo, donde los nodos representan lugares típicos de entornos de interiores estructurados y los arcos representan el camino que une estos nodos. El mapa que se genera es un mapa topo-geométrico que se genera a partir de un DVL (Diagrama de Vornoi Local). El algoritmo SLAM que se presenta en esta tesis alterna dos pasos: un paso de localización y un paso de generación del mapa. El algortimo de localización alterna dos pasos: un paso hacia delante y un paso hacia atrás la ventaja de este mapa topogeométrico es que puede ser utilizado para desarrollar varias tareas como son: navegación, planificación y localización. Los resultados experimentales, llevados a cabo en entornos interiores de grandes dimensiones con ciclos, muestran la robustez y eficacia del algoritmo desarrollado para resolver el problema SLAM.