Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-D

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Segundo, Afonso Henriques Fontes Neto
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual do Ceará
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Ciência da computação
Mapeamento simultâneo
Odometria
Link de acesso: https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=83231
Resumo: <div style="">Atualmente, robôs móveis são capazes de realizar tarefas complexas de forma autônoma, enquanto que no passado, a interação humana era uma necessidade. Diversas áreas são beneficiadas por estes avanços, como militar, médica, espacial, entretenimento e inclusive a doméstica. Nessas aplicações, são esperados robôs móveis para realizar tarefas complicadas que requerem navegação em ambientes interiores e exteriores complexos e dinâmicos, sem qualquer intervenção humana. Para a execução de tarefas com precisão, muitas aplicações relevantes em robótica e visão computacional requerem a capacidade de adquirir modelos do ambiente e estimar a pose do robô neste modelo. Para navegar corretamente em um ambiente desconhecido, um autômato precisa saber a sua localização no mundo. Isto requer o modelo, ou mapa, do ambiente. Construir o modelo, por sua vez, requer a posição do robô, portanto ambos devem ser estimados simultaneamente. Esta técnica é chamada de SLAM (Simultaneous Localization and Mapping). De uma forma geral, algoritmos de SLAM são compostos por duas etapas principais: previsão e atualização. A primeira estima localização e mapeamento a partir dos deslocamentos de pose fornecidos pela odometria, enquanto a atualização identifica e corrige esta estimativa através da identificação de pontos de referência no ambiente (Landmarks). Um efeito sanfona é gerado devido a odometria ser um processo ruinoso, necessitando que cada previsão imprecisa seja corrigida logo em seguida. A problemática de SLAM tem sido frequentemente estudada e várias técnicas têm sido propostas para resolvê-la. Este trabalho relata a implementação de uma abordagem visual de SLAM utilizando apenas informações de uma câmera RGB-D navegando em ambiente estático. Dados de uma câmera RGB-D Kinect 360 disponibilizados ao público por Sturm (STURM et al., 2012) foram utilizados para testes e avaliação de desempenho do mesmo. Os resultados mostram que esta abordagem é viável e promissora. Palavras-chave: SLAM. Odometry. RGB-D.</div>
id UECE-0_3a1ef0a5ce42ca725bb85c20fe536ae0
oai_identifier_str oai:uece.br:83231
network_acronym_str UECE-0
network_name_str Repositório Institucional da UECE
repository_id_str
spelling Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-DCiência da computação Mapeamento simultâneo Odometria<div style="">Atualmente, robôs móveis são capazes de realizar tarefas complexas de forma autônoma, enquanto que no passado, a interação humana era uma necessidade. Diversas áreas são beneficiadas por estes avanços, como militar, médica, espacial, entretenimento e inclusive a doméstica. Nessas aplicações, são esperados robôs móveis para realizar tarefas complicadas que requerem navegação em ambientes interiores e exteriores complexos e dinâmicos, sem qualquer intervenção humana. Para a execução de tarefas com precisão, muitas aplicações relevantes em robótica e visão computacional requerem a capacidade de adquirir modelos do ambiente e estimar a pose do robô neste modelo. Para navegar corretamente em um ambiente desconhecido, um autômato precisa saber a sua localização no mundo. Isto requer o modelo, ou mapa, do ambiente. Construir o modelo, por sua vez, requer a posição do robô, portanto ambos devem ser estimados simultaneamente. Esta técnica é chamada de SLAM (Simultaneous Localization and Mapping). De uma forma geral, algoritmos de SLAM são compostos por duas etapas principais: previsão e atualização. A primeira estima localização e mapeamento a partir dos deslocamentos de pose fornecidos pela odometria, enquanto a atualização identifica e corrige esta estimativa através da identificação de pontos de referência no ambiente (Landmarks). Um efeito sanfona é gerado devido a odometria ser um processo ruinoso, necessitando que cada previsão imprecisa seja corrigida logo em seguida. A problemática de SLAM tem sido frequentemente estudada e várias técnicas têm sido propostas para resolvê-la. Este trabalho relata a implementação de uma abordagem visual de SLAM utilizando apenas informações de uma câmera RGB-D navegando em ambiente estático. Dados de uma câmera RGB-D Kinect 360 disponibilizados ao público por Sturm (STURM et al., 2012) foram utilizados para testes e avaliação de desempenho do mesmo. Os resultados mostram que esta abordagem é viável e promissora. Palavras-chave: SLAM. Odometry. RGB-D.</div><div style="">Currently, mobile robots are capable of performing complex tasks autonomously, whereas in the past, human interaction was a necessity. Several areas are benefited by these advances, such as military, medical, space, entertainment and even domestic. In these applications, mobile robots are expected to perform complicated tasks requiring navigation in complex and dynamic indoor and outdoor environments without any human intervention. To perform tasks accurately, many applications relevant to robotics and computer vision require the ability to acquire models of the environment and estimate the robot’s pose in this model. To navigate properly in an unfamiliar environment, an automaton needs to know its location in the world. This requires the model, or map, of the environment. Building the model, in turn, requires the position of the robot, so both must be estimated simultaneously. This technique is called SLAM (Simultaneous Localization and Mapping). In general, SLAM algorithms are composed of two main steps: prediction and update. The first estimate location and mapping from the pose displacements provided by the odometry, while the update identifies and corrects this estimate by identifying landmarks in the environment. An accordion effect is generated because odometry is a ruinous process, requiring that each inaccurate prediction be corrected shortly thereafter. The problem of SLAM has been frequently studied and several techniques have been proposed to solve it. This work reports the implementation of a Visual SLAM approach using only information from an RGB-D camera navigating in a static environment. Data from a Kinect 360 RGB-D camera made available to the public by Sturm (STURM et al., 2012) were used for performance testing and evaluation. The results show that this approach is feasible and promising. Keywords: SLAM. Odometry. RGB-D.</div>Universidade Estadual do CearáJOSE EVERARDO BESSA MAIASegundo, Afonso Henriques Fontes Neto2019-04-29T14:43:44Z2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=83231info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UECEinstname:Universidade Estadual do Cearáinstacron:UECE2019-04-29T14:43:44Zoai:uece.br:83231Repositório InstitucionalPUBhttps://siduece.uece.br/siduece/api/oai/requestopendoar:2019-04-29T14:43:44Repositório Institucional da UECE - Universidade Estadual do Cearáfalse
dc.title.none.fl_str_mv Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-D
title Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-D
spellingShingle Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-D
Segundo, Afonso Henriques Fontes Neto
Ciência da computação
Mapeamento simultâneo
Odometria
title_short Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-D
title_full Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-D
title_fullStr Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-D
title_full_unstemmed Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-D
title_sort Um algoritmo para localização e mapeamento simultâneos com uma câmera RGB-D
author Segundo, Afonso Henriques Fontes Neto
author_facet Segundo, Afonso Henriques Fontes Neto
author_role author
dc.contributor.none.fl_str_mv JOSE EVERARDO BESSA MAIA
dc.contributor.author.fl_str_mv Segundo, Afonso Henriques Fontes Neto
dc.subject.por.fl_str_mv Ciência da computação
Mapeamento simultâneo
Odometria
topic Ciência da computação
Mapeamento simultâneo
Odometria
description <div style="">Atualmente, robôs móveis são capazes de realizar tarefas complexas de forma autônoma, enquanto que no passado, a interação humana era uma necessidade. Diversas áreas são beneficiadas por estes avanços, como militar, médica, espacial, entretenimento e inclusive a doméstica. Nessas aplicações, são esperados robôs móveis para realizar tarefas complicadas que requerem navegação em ambientes interiores e exteriores complexos e dinâmicos, sem qualquer intervenção humana. Para a execução de tarefas com precisão, muitas aplicações relevantes em robótica e visão computacional requerem a capacidade de adquirir modelos do ambiente e estimar a pose do robô neste modelo. Para navegar corretamente em um ambiente desconhecido, um autômato precisa saber a sua localização no mundo. Isto requer o modelo, ou mapa, do ambiente. Construir o modelo, por sua vez, requer a posição do robô, portanto ambos devem ser estimados simultaneamente. Esta técnica é chamada de SLAM (Simultaneous Localization and Mapping). De uma forma geral, algoritmos de SLAM são compostos por duas etapas principais: previsão e atualização. A primeira estima localização e mapeamento a partir dos deslocamentos de pose fornecidos pela odometria, enquanto a atualização identifica e corrige esta estimativa através da identificação de pontos de referência no ambiente (Landmarks). Um efeito sanfona é gerado devido a odometria ser um processo ruinoso, necessitando que cada previsão imprecisa seja corrigida logo em seguida. A problemática de SLAM tem sido frequentemente estudada e várias técnicas têm sido propostas para resolvê-la. Este trabalho relata a implementação de uma abordagem visual de SLAM utilizando apenas informações de uma câmera RGB-D navegando em ambiente estático. Dados de uma câmera RGB-D Kinect 360 disponibilizados ao público por Sturm (STURM et al., 2012) foram utilizados para testes e avaliação de desempenho do mesmo. Os resultados mostram que esta abordagem é viável e promissora. Palavras-chave: SLAM. Odometry. RGB-D.</div>
publishDate 2017
dc.date.none.fl_str_mv 2017
2019-04-29T14:43:44Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=83231
url https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=83231
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual do Ceará
publisher.none.fl_str_mv Universidade Estadual do Ceará
dc.source.none.fl_str_mv reponame:Repositório Institucional da UECE
instname:Universidade Estadual do Ceará
instacron:UECE
instname_str Universidade Estadual do Ceará
instacron_str UECE
institution UECE
reponame_str Repositório Institucional da UECE
collection Repositório Institucional da UECE
repository.name.fl_str_mv Repositório Institucional da UECE - Universidade Estadual do Ceará
repository.mail.fl_str_mv
_version_ 1828296374904422400

Registros relacionados