| Revista: | Computación y sistemas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000373014 |
| ISSN: | 1405-5546 |
| Autores: | Toriz Palacios, Alfredo1 Sánchez López, Abraham2 |
| Instituciones: | 1Le Laboratoire d'Informatique, de Robotique et de Microelectronique de Montpellier, Montpellier, Herault. Francia 2Benemérita Universidad Autónoma de Puebla, Departamento de Ciencias de la Computación, Puebla. México |
| Año: | 2014 |
| Periodo: | Ene-Mar |
| Volumen: | 18 |
| Número: | 1 |
| Paginación: | 195-215 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en español | La utilización de mapas de ambiente, es uno de los requisitos principales para casi todas las tareas en robótica móvil. Desafortunadamente, no siempre es posible contar con este elemento, ya sea por la inaccesibilidad de los entornos o simplemente porque no se cuenta con una descripción utilizable de él. La solución a este problema es conocida como Exploración Integrada o SPLAM (Planificación, localización y mapeo simultáneos). Considerando este problema, presentamos algunas estrategias basadas en el filtro de Kalman extendido donde un robot móvil construye incrementalmente un mapa de su ambiente mientras simultáneamente usa este mapa para estimar la localización absoluta del robot. Al mismo tiempo, las decisiones locales sobre a donde debe moverse son realizadas utilizando la estrategia probabilística SRT, con la finalidad de minimizar el error en la estimación de la pose móvil. Aunque las estrategias basadas en herramientas clásicas mostraron buenos resultados, algunos problemas inherentes a las metodologías impiden obtener resultados óptimos. Por esta razón, nuestro trabajo se ha enfocado en la creación de una estrategia de SPLAM en donde la localización y el mapeo simultáneo se realizan usando un enfoque topológico radical basado en curvas B-Splines, las cuales han permitido la representación de ambientes complejos no estructurados. Así mismo, la planificación de la exploración es dirigida utilizando una nueva estrategia probabilística basada en grafos. Finalmente, los resultados obtenidos con la nueva solución propuesta son validados comparándolos con los resultados obtenidos mediante las estrategias basadas en herramientas clásicas |
| Resumen en inglés | The use of environment maps is one of the main requirements for almost all tasks in mobile robotics. Unfortunately, it is not always possible to have this element, either by the inaccessibility of the environment or simply because there is no usable description of it. The solution to this problem is known as Integrated Exploration or SPLAM (Simultaneous Planning, Localization and Mapping). Considering this problem, we present some strategies based on the extended Kalman filter (EKF), when the mobile robot incrementally builds a map of its environment, while simultaneously using this map for computing the absolute robot localization. At the same time, local decisions on where to move next are performed using the probabilistic strategy-SRT, in order to minimize the error of the estimation of the robot's pose and the configuration locations. Although the classic strategies have shown good results, there are some inherent problems that prevent achieving the optimal results. For this reason, the paper has focused on creating a SPLAM strategy when the simultaneous localization and mapping is performed using a radical topological approach based on B-spline curves and when the planning of the exploration is conducted using a probabilistic strategy based on graphs |
| Disciplinas: | Ciencias de la computación, Ingeniería |
| Palabras clave: | Procesamiento de datos, Robótica, Robots móviles, Mapeo, Exploración integrada, Filtro de Kalman |
| Keyword: | Computer science, Engineering, Data processing, Robotics, Mobile robot, Mapping, Integrated exploration, Kalman filter |
| Texto completo: | Texto completo (Ver HTML) |
