Diseño e Implementación de un Sistema de Localización y Mapeo Simultáneos (SLAM) para la Plataforma Robótica ROBOTINO®

Abstract

En el presente documento se presenta el desarrollo e implementación en MATLAB de un algoritmo de SLAM para un robot móvil comercial, operando en entornos estructurados estáticos, cuya localización está dada por la odometría del robot y el modelo del mismo. Para la realización del mapeo se utiliza el sensor de rango laser Hokuyo URG-04LX; una vez obtenido el mapa se implementa un algoritmo capaz de detectar esquinas dentro del entorno, con el fin de que puedan ser utilizadas en futuras aplicaciones de SLAM donde sea necesario la inclusión de “landmarks” o características de entorno. Para atenuar los errores en posicionamiento inherentes a la odometría propia del robot se implementa un Filtro Extendido de Kalman entre la odometría y el modelo omnidireccional del robot móvil, en base a lo cual se obtienen mejores resultados para la localización. La detección de esquinas se realiza usando la Transformada de Hough, algoritmo mediante el cual se identifica líneas presentes en el mapa y posteriormente se halla esquinas como un cruce entre dos líneas. Se presentan los resultados como un análisis de los mapas obtenidos contrastados con los entornos reales, además del análisis de errores sobre la localización del robot. This paper presents the development and implementation of a Simultaneous Localization And Mapping (SLAM) algorithm for a commercial mobile robot, operating in structured and static environments. The location is given by the odometry of the robot and its model. To perform the mapping a sensor laser range Hokuyo URG - 04LX is used.Later, an algorithm capable of detecting corners in the environment is implemented, they can be used in future applications of SLAM where being necessary the inclusion of landmarks or characteristics of environment. To mitigate the position errors inherent to odometryof the robot is implemented an Extended Kalman Filter between the odometry and omnidirectional mobile robot model. This technique improves the results of localization. Corner's detection is performed using the Hough transform algorithm, which identifies lines on the map and subsequently corners like a cross between two lines. We present the results as an analysis of the obtained maps that include contrasts with the real environments. In addition,we analyze the location error of the robot.