Técnicas de slam con filtros probabilísticos; caracterización y resultados en robots móviles

• Franklin Pineda-Torres ^[1]
  1. [1] Universidad Autónoma de Colombia

     Universidad Autónoma de Colombia

     Colombia

     
• Localización: Mundo FESC, ISSN-e 2216-0388, ISSN 2216-0353, Vol. 9, Nº. 18, 2019 (Ejemplar dedicado a: Julio - Diciembre), págs. 7-15
• Idioma: español
• Títulos paralelos:
  • Slam techniques with probabilistic filters; characterization and results in mobile robots
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El desafío de la localización y mapeo SLAM (Simultaneous Localization And Mapping) en robots móviles consiste en descubrir si es posible navegar a través de un entorno desconocido y construir de manera incremental un mapa consistente del mismo, mientras que determina al mismo tiempo su posición dentro del mapa. La solución teórico-conceptual ha sido desarrollado por el SLAM especialmente con filtros de localización, tales como: el filtro de Kalman, el filtro de información, el filtro gráfico y el filtro de partículas entre otros. El estudio realizado al variar marcas establecidas en las trayectorias y analizar estos filtros desde el punto de vista probabilístico que se encuentran incorporados en dos prototipos de robots móviles que poseen sensores de ultrasonido y láser, muestra resultados de errores en odometría y tiempos necesarios que cada filtro SLAM tiene en promedio por iteración para la construcción del mapa bidimensional.

  • English

    Abstract: The challenge of locating and mapping SLAM in mobile robots is to discover if it is possible to navigate through an unknown environment and incrementally build a consistent map of it, while the robot at the same time determining its position within the map. The theoretical-conceptual solution has been developed by the SLAM especially with location filters, such as: the Kalman filter, the Information filter, the graphic filter and the particle filter among others. The research carried out by varying established marks in the trajectories and analyzing these filters from the probabilistic point of view, these filters are incorporated in two prototypes of mobile robots, which have ultrasound and laser sensors. The article shows the results of errors in odometry and necessary times that each SLAM filter has on average per iteration for the construction of the two-dimensional map