Resumen de Sistema de localización y mapeado simultáneo basado en visión estereoscópica para la asistencia a la navegación de vehículos en grandes entornos
- español
En esta Tesis se presenta un nuevo sistema jerárquico de localización y mapeado simultáneos (SLAM: Simultaneous Localization and Mapping) en tiempo real, aplicado a la localización robusta de un vehículo en grandes entornos exteriores de tipo fundamentalmente urbano, siendo capaz de mejorar los sistemas de asistencia a la navegación actuales, basados únicamente en GPS. Además, esta propuesta podría utilizarse en sistemas de navegación autónoma con trayectorias recurrentes, como por ejemplo, líneas regulares de autobús, recorridos internos en parques temáticos, etc. El sistema se basa exclusivamente en la información proporcionada tanto por una cámara estéreo de gran angular y bajo coste, como por un sensor GPS también de bajo coste. El uso de una cámara estéreo demuestra numerosas ventajas frente a la implementación monocular, como por ejemplo la posibilidad de estimar la escala del mapa en verdadera magnitud. El método propuesto se basa en dividir el mapa global en diversos sub-mapas locales, identificados por las denominadas huellas, que definen las poses del vehículo en ciertos puntos y que se relacionan con los sistemas de referencia de cada uno de los sub-mapas. En este nivel de sub-mapa, denominado SLAM de bajo nivel, se implementa un método de tipo métrico consistente en el mapeado secuencial de marcas visuales naturales en 3D, así como en la obtención de la pose del vehículo, a través de un filtro de Kalman Extendido (EKF) que modela el comportamiento dinámico del sistema. De esta forma se logran sub-mapas localmente consistentes. Para la elección del tipo idóneo de marcas en cuanto a propiedades de seguimiento, identificación y tiempos de cómputo, se ha realizado un estudio comparativo entre el método SIFT (Scale-Invariant Feature Transform) y de correlación directa, obteniéndose mejores resultados para este último. Además, en este nivel se integran las medidas obtenidas del GPS, mejorando la estimación de la posición del vehículo y, por tanto, la propia estimación del mapa local. Sobre el nivel bajo de SLAM, descrito anteriormente, se añade un nivel jerárquicamente superior de tipo topológico denominado nivel alto de SLAM, el cual está basado en uso de las denominadas huellas y la implementación del método de optimización y corrección del mapa topológico, denominado MLR (MultiLevel Relaxation). Este algoritmo tiene como propósito reducir el error global del mapa, manteniendo las restricciones de tiempo real y proporcionando una estimación consistente del mismo, incluso en situaciones de pérdida de cobertura GPS. Para la detección de situaciones de cierre de lazos, fundamentalmente en ausencia de señal GPS, se ha implementado un tipo especial de huellas denominado huella SIFT. Éstas son capaces de identificar lugares previamente visitados, en base a su apariencia visual, mediante el empleo de características de tipo SIFT. Por último, se presentan resultados de validación del método SLAM propuesto a partir de numerosos ensayos realizados fundamentalmente en grandes entornos exteriores de tipo urbano con un vehículo real. Las conclusiones obtenidas de los mismos muestran unos resultados de localización suficientemente precisos para los propósitos de esta Tesis, manteniendo los tiempos de cómputo dentro de las restricciones de tiempo real establecidas y empleando un hardware de coste reducido. Como aplicación práctica final se propone el empleo del método para la mejora de sistemas de asistencia a la navegación, habiéndose realizado diversos ensayos en entornos reales. Se demuestra su uso en situaciones decisivas para la planificación de rutas, con mala o nula recepción de señal de GPS, mejorando los sistemas de navegación actuales.
- English
In this thesis, a new real-time hierarchical Simultaneous Localization and Mapping (SLAM) system is presented. It is applied to the robust localization of a vehicle in large-scale outdoor environments, essentially urban like, improving the current vehicle navigation system based only on GPS. Then, it can be used on autonomous vehicle guidance with recurrent trajectories, like bus journeys, theme parks internal journeys, etc. The system is exclusively based on the information provided by both a low-cost wide-angle stereo camera and a low-cost GPS. The use of a stereo camera shows several advantages respect to the monocular implementation as, for example, the ability of map real scale estimation. The approach divides the whole map into local sub-maps identified by the so-called fingerprints, which define vehicle poses at certain places. They are associated to each sub-map reference frame. In this sub-map level, called low level SLAM, a metric approach is carried out. There, a 3D sequential mapping of visual natural landmarks is carried out and the vehicle pose is obtained, using an Extended Kalman Filter (EKF) to model the dynamic behavior. Therefore, each sub-map is locally consistent. To choose the most convenient landmark features implementation, regarding tracking properties, distinctiveness and processing times, the SIFT (Scale-Invariant Feature Transform) and direct correlation approaches are analyzed. The last one has shown better results on the study. GPS measurements are integrated within this low level as well, improving vehicle positioning and, therefore, local map estimation. A higher topological level, called high level SLAM is added over the low level SLAM. It is based on the so-called fingerprints and the implementation of an optimization and correction method for the topological map, called MultiLevel Relaxation (MLR). Therefore, this algorithm is in charged of reducing the global error within the map, keeping real-time constraints. This level also provides consistent estimation, even with long-term GPS unavailability. In order to detect loop closing situations, mainly when GPS signal is not available, a special kind of fingerprints, called SIFT fingerprints are implemented, which provide previously visited places identification, based on their visual appearance. SIFT features are used for this purpose. Finally, experimental results, obtained from a high amount of tests, mainly in large scale outdoor urban environments using a real vehicle, are presented. As a conclusion from these tests, a highly accurate results, well suited for the main purposes of this Thesis, are showed, keeping processing times below the real time constrain, while using a low-cost hardware. As a practical final application, the use of the proposed method for navigation assistance systems improvement, is proposed. Several tests on real environments have been carried out. The use of the system is shown in key situations for path planning tasks, when poor GPS signal is received or it is completely unavailable, improving the current navigation systems.
