Particle-Filter based 3D Mapping, Localization and SLAM for Indoor Mobile Robot Navigation

Abstract

Ao longo dos anos, tem havido um enorme desenvolvimento em sistemas robóticos. Uma das principais características da autonomia é a capacidade do robô se mover sem limitações no meio ambiente, sem risco de colisão. O comportamento autónomo de um robô móvel pode ser descrito pela relação entre três módulos: mapeamento, localização e planeador de caminhos. O mapeamento constrói um mapa do ambiente, a localização consiste em estimar a pose do robô no mapa e o planeador para determinar caminhos seguros. A localização e o mapeamento quando usados de forma conjunta, resulta numa técnica de Simultaneous Localization and Mapping (SLAM). Nesta dissertação, o foco foram os módulos de mapeamento e localização. O objectivo desta dissertação foi desenvolver uma abordagem de localização e mapeamento em ambientes indoor para a plataforma “InterBot-Social Robot”. Esta abordagem incluiu a fusão de informação sensorial 2D e 3D aplicados a um filtro de partículas para estimar a posição do robô e a construção/actualização de um mapa 3D usando uma nuvem de pontos 3D. O desenvolvimento desta abordagem levou a que mais duas abordagens fossem desenvolvidas (Mapeamento e Localização 2.5D, e 3D Simultaneous Localization and Mapping). Foram realizados testes no sentido de avaliar o desempenho das abordagens propostas. Os testes consistiram em verificar a influência do número máximo de partículas no filtro: na estimação da pose, no mapa gerado e numa pontuação de localização. Os resultados dos testes foram analisados, sendo que os resultados finais atenderam às expectativas estabelecidas para as abordagens.

Over the years, there has been a massive development in robotic systems. One of the main features of autonomy is the ability of the mobile robot to move without limitations in the environment, without risking collisions. The autonomous behaviour of a mobile robot can be described by the connection between three modules: mapping, localization and path planning. Mapping builds a map of the environment, localization consists of estimating the robot pose in a map, and path planning computes safe paths. The localization and mapping can be used together, resulting in a Simultaneous Localization and Mapping (SLAM) technique. In this dissertation, the focus was on the mapping and localization modules. The objective of this dissertation was to develop a localization and mapping approach in indoor environments for the platform “InterBot-Social Robot”. This approach included the fusion of 2D and 3D sensory data applied to a particle filter to estimate the position of the robot and the construction/update of a 3D map using a 3D point cloud. The development of this approach resulted in two more approaches (2.5D Mapping and Localization, and 3D Simultaneous Localization and Mapping). Experimental tests were conducted to evaluate the performance of the developed approaches. The tests consisted in verifying the inuence of the number of particles on the filter: on pose estimation, the generated map and the localization score. Test results were analyzed, with the final outcomes meeting the expectations set for the approaches.