Un marco de mapeo para robots aéreos

Para permitir el funcionamiento eficiente de los vehículos aéreos no tripulados (UAV) en los casos en que no se dispone de un sistema de posicionamiento global (GPS) o un dispositivo de posicionamiento externo (como un reflector láser), los científicos deben desarrollar técnicas que estimen automáticamente la posición de un robot. Si el entorno en el que opera el dron no cambia con mucha frecuencia y puedes construir un mapa 3D de ese entorno, las técnicas de ubicación del robot basadas en mapas pueden ser bastante efectivas.

Idealmente, los métodos de estimación de posición basados ​​en mapas deberían ser eficientes, robustos y fiables, ya que deberían enviar rápidamente al robot la información que necesita para planificar acciones y movimientos futuros. Los sistemas de detección y determinación de distancia en 3D (LIDAR) son sistemas de ubicación basados ​​en mapas particularmente prometedores porque recopilan una gran cantidad de información en 3D que los drones pueden usar para localizar.

Investigadores de la Universidad Pablo de Olavide en España desarrollaron recientemente una nueva estructura de localización basada en mapas llamada LIDAR Direct Locations (DLL). Este enfoque, presentado en un artículo publicado anteriormente en arXiv, puede superar algunas de las limitaciones de otras técnicas de localización LIDAR introducidas en el pasado.

“El objetivo principal de nuestro enfoque es construir un sistema de ubicación 3D basado en mapas 3D del entorno”, dijo Fernando Caballero, uno de los investigadores que realizó el estudio, a TechXplore. “El método está especialmente diseñado para trabajar con robots aéreos, aunque también podría utilizarse en otros sistemas. Basado en el mapa Localización es indispensable para muchas aplicaciones de robótica como la monitorización, la logística o la inspección en áreas donde no hay señal GPS como almacenes, cañones de la ciudad y entornos interiores ”.

La mayoría de las técnicas LIDAR de vanguardia existentes utilizan las características geométricas de los objetos para hacer coincidir los datos recopilados por los sensores con un mapa del entorno circundante. Si bien estos enfoques para el registro LIDAR 3D tienen sus ventajas, a menudo no funcionan bien en todos los escenarios.

DLL, un enfoque desarrollado por Caballero y su colega Luis Merino, implementa una nube de puntos para el registro de mapas basada en una optimización no lineal de la distancia entre puntos individuales y el mapa. Esto significa que no se basa en características específicas o equivalentes de puntos. Dada la pose inicial, la estructura puede rastrear la posición del robot simplemente refinando su pose predicha según los datos recopilados por los sensores de movimiento.

“Suponiendo que el robot lleva un LIDAR 3D que puede detectar distancias a obstáculos cerca del robot, el objetivo de DLL es estimar la posición del robot en un mapa 3D”, dijo Caballero. “A partir de esta información, la DLL encuentra la mejor coincidencia entre la información LIDAR 3D y el mapa 3D”.

Caballero y Merino evaluaron el DLL a través de una serie de ensayos y lo compararon con otras técnicas de estimación de pose. Descubrieron que, aunque su precisión era similar a la lograda por otros métodos de estimación de posición de última generación, la DLL es aproximadamente diez veces más rápida que otros métodos y, por lo tanto, puede usarse para estimar la pose de un robot en tiempo real.

“DLL también es resistente a la odometría ruidosa (que es muy común en los robots aéreos) y demostramos que es capaz de lidiar con errores graves en robot odometría, que tiene poco efecto en la precisión general ”, dijo Caballero.

La DLL ahora está disponible públicamente y está disponible para desarrolladores de todo el mundo. en GitHub. En el futuro, se puede utilizar para localizar robots aéreos de forma rápida, precisa y fiable, especialmente en entornos donde la tecnología GPS no funciona.

“Creemos que DLL puede ayudar a lograr una navegación autónoma en áreas donde las señales de GPS no están disponibles”, dijo Caballero. “En nuestro trabajo futuro, consideraremos mejorar la eficiencia espacial de nuestro método. Uno de sus principales inconvenientes es la cantidad de memoria que requiere el mapa 3D, por lo que consideraremos estructuras más eficientes “.

© 2021 Science X Network