Resumen de Localización de robots móviles en espacios inteligentes utilizando cámaras externas y marcas naturales
- español
En el presente trabajo de tesis se aborda el problema de la obtención de la pose de un robot móvil mediante cámaras estáticas ubicadas en el entorno. El enfoque presentado se basa en el concepto de "Espacio Inteligente", en el que un sistema distribuido de procesamiento controla las cámaras y el robot. Los antecedentes de posicionamiento de robots mediante cámaras inciden en el uso de balizamiento artificial de los robots. En esta tesis se propone un enfoque que minimiza el conocimiento previo necesario del robot y hace uso de su apariencia natural para obtener la pose. Se propone en esta tesis un algoritmo de localización basado en la obtención de marcas naturales, detectadas en el plano imagen del conjunto de cámaras, las cuales se corresponden con un modelo tridimensional del robot. El sistema de localización planteado se divide en dos fases. Primero se obtiene el modelo tridimensional del robot y su pose inicial mediante una fase de inicialización. En segundo lugar, se obtiene la pose del robot en cada instante de tiempo mediante una fase de localización secuencial. La inicialización es resuelta en esta tesis para cualquier número de cámaras, aplicando un enfoque de reconstrucción a partir del movimiento del robot. Este enfoque requiere el uso de odometría en su versión para una cámara y permite que las correspondencias entre cámaras no sean necesarias. El algoritmo secuencial de posicionamiento hace uso del modelo tridimensional obtenido en la inicialización, para determinar la pose del robot mediante un esquema probabilístico de estimación-corrección. El algoritmo incluye técnicas robustas de eliminación de medidas erróneas en el plano imagen y una solución no iterativa y de baja complejidad para el problema del cálculo de la pose utilizando múltiples cámaras, denominado el problema mPnP ("multiple Perspective n Point") en la literatura anglosajona. El uso de un enfoque probabilístico permite realizar la fusión de toda la información disponible en el entorno, modelando la incertidumbre resultado de la pose del robot. La solución presentada en esta tesis se ha validado experimentalmente en todas sus fases, utilizando para ello tanto datos simulados como un entorno real con cámaras, robots y obstáculos. El resultado es un método de localización estable y aplicable a entornos reales, en los que existen oclusiones y cambios de iluminación.
- English
This thesis deals with the problem of mobile robot localization using static cameras placed in the environment. The presented approach is based in the idea of “Intelligent Space”, where a distributed intelligence controls cameras and robots to serve in a certain task. The previous works that shares the same approach are focused on placing artificial landmarks on the robots. This thesis focuses on approaches that do not need previous knowledge about the robot and make use of the natural appearance of the robot. The localization process proposed in this thesis is based on natural landmarks, which are detected in the image plane of the set of cameras and correspond to a 3D model of the robot. The proposed localization system is divided in two steps. Firstly, a initialization step obtains the 3D model of the robot and its initial pose. Secondly, using a sequential approach, the pose of the robot is obtained at each time instant. The initialization step is solved in this thesis for any number of cameras using a structure-from-motion approach, where odometry serves as a metric reference in the single camera case. Besides, the proposed approach avoids using natural landmark correspondences between multiple cameras, which allows to initialize the 3D model for non-overlapping views. The sequential step proposed in this thesis uses the 3D model, obtained in the aforementioned initialization step, for retrieving robot’s pose in a estimation-correction scheme. This step includes robust techniques that remove outliers from the measurements. In addition to the filtering approach, a non-iterative and of low complexity solution to the mPnP (multiple perspective n point) problem is proposed. The probabilistic approach performs coherent data fusion between all information available and it allows to estimate uncertainty in the obtained robot’s pose. The solution presented in this thesis has been experimentally assessed using synthetic generated data and experiments from a real environment with cameras, robots and obstacles. The resulting method is proved to be stable against occlusions and illumination changes, which makes it suitable to real situations.
