Implementación de algoritmos filtro de Kalman y filtro de Partículas para localización y mapeo simultáneo aplicado a un robot móvil en ambientes interiores con variaciones de iluminación

Este proyecto evalúa los parámetros influyentes ante variaciones de iluminación en el funcionamiento de los algoritmos Filtro de Kalman y Filtro de partículas aplicados a SLAM (Mapeo y Localización Simultanea) llevando a cabo experimentos en entornos cerrados que permiten realizar pruebas con distintas intensidades de luz. Para esto se utiliza el robot móvil diferencial Turtlebot3 Burger acompañado del sensor Kinect V1, ya que posee un sensor de profundidad y una cámara RGB, esto permite llevar a cabo construcción de mapas 3D y evidenciar variaciones en los procesos de mapeo dependiendo de la iluminación, lo cual es un requerimiento de este trabajo. El filtro de partículas (PF) es uno de los algoritmos de estimación más adaptados para SLAM, al igual que el filtro de Kalman que interactúa con estados pasados, presentes y estimaciones futuras del sistema, siendo empleado para seguir sistemas estocásticos dinámicos mediante sensores ruidosos. Los algoritmos emplean un método de predicción y corrección, es decir, pronostica un nuevo estado a partir de su estimación previa agregando un factor de corrección de la misma proporción al error de predicción, de tal manera que este error se minimiza con cada iteración, lo cual lo hace adecuado para trabajar ante variaciones de iluminación ya que esta técnica demanda que se pueda reconstruir y localizar en el menor tiempo posible cualquier sistema autónomo bajo condiciones naturales.

• Autores: Alvarez Casadiego, Nicolás; Segura Albarracin, Mario Armando
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2020
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/29366
• Acceso en línea: http://hdl.handle.net/11634/29366
• Palabra clave: Algorithm; Kalman Filter; Particles Filter; Robotic Mapping; Mobile robot; ROS; SLAM; Parameter; Sensor; mapping and localization; Indoor lighting; Quadratic error; SLAM algorithms; Iluminación en ambientes interiores; Robot móvil; Algoritmos SLAM; Algoritmo; Filtro de Kalman; Filtro de Partículas; Mapeo Robótico; ROS; SLAM; Parámetro; Sensor; Localización y mapeo simultáneo; Error cuadrático
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia