Entidad financiadora: Ministerio de Ciencia e Innovación
Referencia: DPI2009-07144
Duración: 2010-2012

Descripción

La finalidad de este proyecto es diseñar una combinación de técnicas de navegación robótica y visión artificial para la mejora de la resolución del problema del SLAM en entornos de gran escala. Pretendemos abordar este problema desde dos frentes: realizando una mejor asociación de datos a partir de fusión sensorial (distintos sensores: cámaras 2D, láser 3D y cámaras estéreo) y creando mapas que permitan manejar dicha información (heterogénea y numerosa) de una manera eficiente. Este punto de partida nos va a servir para enfocar un problema conocido como Active SLAM, que nos permitirá obtener las acciones a realizar por el robot para maximizar la resolución del SLAM. Los entornos a los que nos enfrentamos entran dentro de los denominados de gran escala, por la densidad de datos a tratar.

Objetivos

Desarrollar nuevos métodos eficaces y robustos de asociación de datos para el problema del SLAM. Por un lado se desarrollarán nuevas técnicas en la extracción de características (landmarks) a partir de datos 3D (por ejemplo, adaptación de los métodos tradicionales de extracción de características 2D a 3D) y por otro se investigará en la fusión de datos sensoriales para obtener características más robustas. Esto último nos permitirá el uso de varios sistemas sensores para mejorar la calidad de la asociación de datos.

Desarrollar un sistema para manejar un mapa jerárquico híbrido que incorpore todas aquellas características provenientes de distintas fuentes sensoriales, principalmente 3D. Desarrollar técnicas para la incorporación de nuevas características que pueden aparecer en sitios ya visitados. Estas características podrán provenir de objetos no vistos previamente (oclusión) o bien por nuevos objetos no presentes anteriormente. Todo esto se aplicará a entornos de gran escala, donde la enorme cantidad de datos disponibles hacen inviable las técnicas previas.

Crear nuevos métodos para la detección y reconocimiento de objetos móviles dentro del SLAM.

Desarrollar nuevas técnicas de SLAM activo para la exploración eficiente de entornos de gran escala. En este objetivo nos planteamos realizar SLAM activo cooperativo, permitiendo realizar el trabajo entre varios robots móviles.

Personal

• Miguel Angel Cazorla (Investigador principal)
• Domingo Gallardo Doctor
• Otto Colomina
• Diego Viejo Hernando
• Cristina Pomares
• Antonio Botía
• Eduardo Nebot
• Juan Nieto
• Andrés Hernández

Resultados del proyecto

La finalidad de este proyecto es diseñar una combinación de técnicas de navegación robótica y visión artificial para la mejora de la resolución del problema del SLAM en entornos de gran escala. Pretendemos abordar este problema desde dos frentes: realizando una mejor asociación de datos a partir de fusión sensorial (distintos sensores: cámaras 2D, láser 3D y cámaras estéreo) y creando mapas que permitan manejar dicha información (heterogénea y numerosa) de una manera eficiente. Este punto de partida nos va a servir para enfocar un problema conocido como Active SLAM, que nos permitirá obtener las acciones a realizar por el robot para maximizar la resolución del SLAM. Los entornos a los que nos enfrentamos entran dentro de los denominados de gran escala, por la densidad de datos a tratar.

Durante el desarrollo del proyecto, hemos identificado y abordado diversos problemas a solucionar. El primero de ellos es que cuando disponemos de datos densos (provenientes de sensores 3D, como láser 3D, cámaras RGBD como la Kinect, etc.) se requiere una reducción de dichos datos para que el procesamiento sea manejable. Para ello, hemos propuesto el uso de un tipo de red neuronal, la Growing Neural Gas (GNG), aplicada directamente sobre los datos 3D. Este tipo de red nos permite presevar la topología de los datos, a la vez que se reduce el número de puntos y el ruido asociado. Hemos realizado un estudio exhaustivo de la aplicación de la red sobre distintas fuentes sensoriales 3D (láser 3D, cámara SR4000, datos Kinect), demostrando su validez y comprobando los límites de su aplicabilidad.

Una de las conclusiones extraídas de este estudio ha sido que el número de neuronas necesario para su aplicación conlleva un coste computacional elevado. Por ello, hemos introducido el uso de la paralelización disponible con las tarjetas gráficas GPU. Esto nos ha permitido acelerar enormemente su aplicación y nos ha abierto una línea de trabajo poco explorada por nuestro grupo. Por otro lado, hemos desarrollado métodos de SLAM topológico, que ha permitido crear mapas jerárquicos, permitiendo también la localización de manera precisa usando exclusivamente información visual. También hemos desarrollado un sistema que permite el manejo de datos heterogéneos (imágenes, datos 3D, características 2D, etc.) y así poder dar soporte a los métodos de fusión sensorial.

Tesis defendidas

• Anna María Romero Cortijo: Mapeado y localización topológicos mediante información visual. Supervisor: Miguel Cazorla. Date: may 2013.

Congresos

• M. Cazorla, D. Viejo, and C. Pomares, «study of the sR4000 camera,» in Workshop of physical agents, 2010.
  [Bibtex]
• V. Morell, M. Cazorla, D. Viejo, sergio Orts-Escolano, and J. Garcia-Rodriguez, «A study of registration techniques for 6DoF sLAM,» in Ccia, 2012, p. 143–150.
  [Bibtex]
• J. Munoz, D. Pastor, P. Gil, P. T. santiago Mendez, and M. Cazorla, «Using a RGB-D camera for 6DoF sLAM.,» in Ccia, 2012, p. 143–150.
  [Bibtex]
• J. Navarrete-sanchez, D. Viejo, and M. Cazorla, «Portable 3D laser-camera calibration system with color fusion for sLAM,» in International symposium on robotics, isr, 2012.
  [Bibtex]
• sergio Orts–Escolano, J. Garcia-Rodriguez, D. Viejo, M. Cazorla, V. Morell, and J. serra, «6DoF pose estimation using Growing Neural Gas Network,» in Proceedings of 5th international conference on cognitive systems, 2012.
  [Bibtex]
• A. Romero and M. Cazorla, «An Improvement of Topological Mapping Using a Graph-Matching Based Method with Omnidirectional Images.,» in Ccia, 2010, p. 311–320.
  [Bibtex]
• A. Romero and M. Cazorla, «Finding nodes into a topological map using visual features,» in International symposium on robotics, isr, 2012.
  [Bibtex]
• A. Romero and M. Cazorla, «Topological visual mapping in robotics,» in Proceedings of the 5th international conference on spatial cognition, 2012.
  [Bibtex]
• D. Viejo and M. Cazorla, «A framework for managing heterogenous sensor data in a single map,» in Ieee intelligent vehicles symposium, 2012.
  [Bibtex]

Revistas

•  sergio Orts-Escolano, J. Garcia-Rodriguez, D. Viejo, M. Cazorla, and V. Morell, «GPGPU implementation of growing neural gas: Application to 3D scene reconstruction,» Journal of parallel and distributed computing, vol. 72, iss. 10, p. 1361–1372, 2012.
  [Bibtex]
•  D. Viejo, J. Garcia, M. Cazorla, D. Gil, and M. Johnsson, «Using GNG to improve 3D feature extraction. Application to 6DoF egomotion,» Neural networks, vol. 32, p. 138–146, 2012.
  [Bibtex]
•  D. Viejo, J. Garcia-Rodriguez, and M. Cazorla, «A study of a soft computing based method for 3D scenario reconstruction,» Applied soft computing, vol. 12, iss. 10, p. 3158–3164, 2012.