La representación del entorno juega un papel crucial en la navegación autónoma. A esta representación, se le suele denominar en la literatura como mapa, y su construcción suele realizarse mediante vehículos de mapeado dedicados. Sin embargo, aunque este tipo de mapas son muy precisos a nivel local, presentan el inconveniente de ser globalmente inconsistentes debido a la acumulación de pequeños errores que se hacen relevantes cuando los mapas crecen en tamaño. En la presente tesis doctoral, se propone como alternativa, la navegación autónoma basada en mapas públicos geo-referenciados. Este tipo de mapas, a diferencia de los construidos mediante vehículos de mapeado, son por naturaleza globalmente consistentes debido a que proceden de imágenes aéreas que se encuentran geo-referenciadas. Esto, además de ser una ventaja en sí misma, conlleva otro tipo de beneficios, como la no dependencia de un proceso de mapeado, o la posibilidad de navegar sin restricciones en el tamaño del entorno. No obstante, la integración de los mapas públicos geo-referenciados introduce algunas particularidades en la implementación de los algoritmos de navegación autónoma. Durante la investigación que se expone en esta memoria, se han desarrollado diferentes métodos para abordar dichas particularidades. En el módulo de localización, la representación de mapas geo-referenciados introduce la dependencia de un tipo de marcas que deben ser observables, tanto desde imágenes por satélite, como desde los sensores locales del vehículo. Esta restricción genera representaciones escasas que, a menudo, resultan en zonas ambiguas para la asociación de datos (efecto aliasing). Para abordar estos temas, se han desarrollado diferentes métodos robustos, como Delta-Angle Lane Markings Representation, una estrategia de representación para el proceso de asociación de datos, y Distance-Compatible SAmple Consensus, un método de asociación de datos. Para mitigar el efecto del aliasing en el módulo de localización, también se han empleado capacidades de autoajuste, que modifican de manera dinámica la configuración del método de asociación de datos en función de la pseudo-entropía medida en las observaciones. Por otra parte, para el módulo de planificación de rutas, se ha desarrollado un método llamado Naive-Valley-Path que corrige las imprecisiones locales intrínsecas en los mapas públicos. Todos estos métodos han sido comparados con sus homólogos en el estado del arte, demostrando en todos los casos mejoras que han resultado en contribuciones de gran impacto para la comunidad científica
Environment representation plays a crucial role in autonomous navigation. This representation is often referred to in the literature as a map, and its construction is usually performed by dedicated mapping vehicles. However, although such maps are very accurate locally, they have the drawback of being globally inconsistent due to the accumulation of minor errors that become relevant when the maps grow. This doctoral dissertation proposes, as an alternative, autonomous navigation based on geo-referenced public maps. Unlike those built using mapping vehicles, this kind of map is globally consistent because it comes from geo-referenced aerial imagery.
Besides being an advantage, this brings other benefits, such as no dependence on a mapping process or the possibility of navigating without size restrictions in the en- vironment representation. However, the integration of geo-referenced public maps introduces some particularities in the methods implementation. Different approa- ches have been developed to address these peculiarities during the research presen- ted in this report. In the localization module, the representation of geo-referenced maps introduces the particularity of restricting the kind of landmarks used to tho- se observable both from satellite images and from the vehicle’s local sensors. This constraint, generates sparse representations and often presents ambiguous areas for data association. Different methods have been developed to address these issues, such as Delta-Angle Lane Markings Representation, a representation strategy for the data association process, and Distance Compatible SAmple Consensus, a data association method. To mitigate the effect of aliasing in the localization module, self-tuning capabilities have also been employed, which dynamically modify the configuration of the data association method depending on the pseudo-entropy measured in the detections. Also, for the path planning module, a process called Naive-Valley-Path has been developed that corrects inherent local inaccuracies in the public maps. All the- se methods have been compared with their state-of-the-art counterparts, demonstra- ting, in all cases, improvements that have significantly impacted the scientific com- munity.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados