Odometría visual estereoscópica fusionada con información inercial para la determinación de la posición de los UAV respecto a su entorno

Abstract

El proyecto que se desarrolla a continuación trata sobre la implementación de un nuevo sensor, una unidad de medición inercial (IMU), en un sistema de odometría visual estereoscópica, para mejorar la precisión del posicionamiento de un vehículo aéreo no tripulado (UAV) de pequeñas dimensiones destinado a volar en espacios interiores. Actualmente las aplicaciones de los UAVs se están extendiendo cada vez más, y también lo está haciendo la robótica autónoma, tanto en vehículos de carretera, como en robots de centros de logística, de montaje y otros sectores. En el campo de la robótica aérea también se trabaja en esta dirección, existiendo UAVs comerciales de vídeo y fotografía, por ejemplo, capaces de volar de forma autónoma en espacios exteriores. Sin embargo, aun supone un reto el vuelo autónomo en ubicaciones que no son al aire libre por la ausencia de sistemas de posicionamiento absoluto por satélite. Es en este nicho en el que se ubica el proyecto, con la intención de conseguir un sistema real y funcional para la determinación de la posición mediante odometría visual fusionada con información inercial. Se desarrolla el proyecto en un grupo de investigación de la ETSI Industriales de la UPM, el grupo de visión por computador y robótica aérea (CVAR) liderado por Pascual Campoy, profesor de la UPM. La realización de este trabajo comienza con la validación de las tecnologías existentes en el grupo para la determinación de la posición del UAV, en particular, la validación del algoritmo de odometría visual puro desarrollado por Stephan Manthe y Adrián Carrio en un proyecto anterior. Una vez se ha comprobado que el funcionamiento es el adecuado, se procede a la implementación de este nuevo sensor, para que el algoritmo sea capaz de emplearlo y de este modo mejorar la precisión de la posición. En primer lugar, es necesario elaborar un programa en un microcontrolador que escuche constantemente la IMU y reciba sus datos cada vez que estos se actualizan. Además, este programa se encargará también de construir un mensaje ordenado para enviarlo por el puerto serie al ordenador principal, en el cual se escuchará y se procesará para que el algoritmo pueda obtener los datos. El microcontrolador que se emplea para este propósito en un Teensy 3.2. Por otro lado, para que una vez instalado el nuevo sensor, este sea útil para el algoritmo, es necesario que los datos que se reciben del mismo estén sincronizados con la recepción de imágenes del sistema de visión estereoscópica. Para este propósito, en el mismo microcontrolador existe una parte del código encargada de este propósito. Evalúa en cada momento la frecuencia de obtención de datos de la IMU y dispara las cámaras a una frecuencia mucho menor, pero sincronizada de modo que tanto las imágenes como los datos de IMU se reciban con coherencia. Una vez el Teensy ha recibido los datos de la IMU, ha construido el mensaje y lo ha enviado por el puerto serie. El ordenador principal, un Odroid U3+ recibe este mensaje. Para ello se ha elaborado un programa en C++, haciendo uso de las librerías de Boost, que se encarga de escuchar constantemente el puerto serie por el que se están enviando los mensajes y conociendo la estructura del mismo, es capaz de filtrar mensajes incorrectos, reconstruir mensajes incompletos y procesar estos datos para posteriormente publicarlos en un topic de ROS con las unidades adecuadas para que posteriormente el algoritmo pueda suscribirse a él y de este modo usar los datos de la IMU para el cálculo de la posición. Tras publicar correctamente los datos de IMU en su topic correspondiente, es necesario comprobar que el algoritmo de odometría visual-inercial funciona correctamente, y como se esperaba, tiene un mejor rendimiento que el algoritmo de odometría visual puro. Para realizar está comprobación, se contrastan las trayectorias que reconstruye cada algoritmo para un recorrido similar. Estas trayectorias se dibujan en RViz y se comparan con la trayectoria real seguida por el sistema, que, a pesar de no disponerse de ella con exactitud total, se estima mediante mediciones suficientemente fiables. Los resultados que se obtienen de cada parte del proyecto son distintos, siendo en unos puntos más satisfactorios que en otros. Sin embargo, se puede comprobar como efectivamente la correcta adición de este sensor, con un correcto procesamiento de los datos e integración, mejora la estimación de la posición del sistema.