Abstract
Este proyecto se enmarca dentro de la actividad del Grupo de Control Inteligente del CAR, el Centro de Automática y Robótica de la Universidad Politécnica de Madrid y el Consejo Superior de Investigaciones Científicas. Uno de los muchos ámbitos de investigación que en él se desarrollan es el de la localización de robots móviles, y es en este aspecto en el que se centra el presente trabajo y sus predecesores. El primer trabajo de interés del cual parte este proyecto, consiste en utilizar información de un sensor láser y una cámara omnidireccional y fusionarla utilizando el algoritmo de Monte Carlo adaptativo, permitiendo así la localización del robot en un entorno previamente conocido. El proceso de navegación en interiores se ve afectado por numerosas fuentes de incertidumbre. Es por ello necesario emplear técnicas que basen la localización del robot en una serie de lecturas, proporcionando así suficiente información para obtener la posición del robot a lo largo del tiempo. Existen distintos métodos para lograrlo, en muchos de los cuales se representa la posición como un conjunto de posiciones posibles, con distinta probabilidad. En el algoritmo de Monte Carlo, se aproxima la distribución buscada mediante una muestra de partículas, que representan distintos estados posibles, y a cada partícula se le asigna un parámetro de confianza o probabilidad. A la hora de escoger qué muestras se actualizan, se escogen las situadas en las zonas de más alta probabilidad. El algoritmo de Monte Carlo adaptativo (AMCL) es una variación del algoritmo de Monte Carlo que adapta el número de muestras durante la ejecución. Existe un paquete desarrollado en ROS (Robot Operating System) que permite implementar un AMCL, y es la base sobre la que se desarrolló el algoritmo que este proyecto pretende evaluar. En cuanto al detector empleado en dicho algoritmo, se encarga de identificar unos marcadores artificiales a través de las imágenes de la cámara omnidireccional. Estos marcadores contienen información acerca del número de mapa, el de la zona dentro de este, y el identificador del marcador. El segundo trabajo a destacar fue el desarrollo de una herramienta capaz de elaborar mapas de celdillas de entornos conocidos, así como mapas de marcadores, tanto a partir de mundos de simulación como simplificando la adición y edición de nuevos elementos. Ambos trabajos se han utilizado, evaluado y extendido en el presente proyecto, analizando su funcionamiento en distintos entornos y situaciones, tratando de dar respuesta a las necesidades de aportar más información sobre la validez del algoritmo y probar de forma extensa el comportamiento de dicho algoritmo junto con la herramienta de generación de mapas.
