Slam y Groundtruth usando marcadores

Resumen

The present thesis project focuses on the comparison of a visual SLAM method based on ArUco markers, using these markers for both the generation of the ground truth and the execution of SLAM. The research is carried out in the environment of EAFIT University. A marker is placed on top of the robot and a panoramic camera covering the entire area where the robot is located is used for the ground truth method. For the SLAM method, a camera located on the robot is used. During the experiments, markers are distributed around the perimeter of the study site. The camera integrated into the robot allows the detection of the perimeter markers. Initially, a map of the area is created using the ROS working environment, which is compared with real measurements for validation. Subsequently, the location of the robot is determined using both methods mentioned. The obtained data are compared to analyze the variance, as well as the mean squared error (MSE), root mean squared error (RMSE), and mean absolute error (MAE). Finally, conclusions are drawn about the effectiveness of implementing this visual SLAM method either as ground truth or on the robot itself. This study contributes to the advancement in understanding and applying simultaneous localization and mapping techniques in robotic environments using ArUco markers.

Descripción

El presente proyecto de tesis se enfoca en la comparación de un método de SLAM visual basado en marcadores tipo ArUco, utilizando dichos marcadores tanto para la generación del groundtruth como para la ejecución del SLAM. La investigación se lleva a cabo en el entorno de la Universidad EAFIT. Se emplea un marcador situado en la parte superior del robot y una cámara con vista panorámica que abarca la totalidad del área donde se encuentra el robot para el método del grountruth. Para el método SLAM, se utiliza una cámara ubicada en el robot. Durante los experimentos, se distribuyen marcadores alrededor del perímetro del sitio de estudio. La cámara integrada en el robot permite la detección de los marcadores perimetrales. Inicialmente, se crea un mapa del área utilizando el entorno de trabajo ROS, el cual se compara con mediciones reales para su validación. Posteriormente, se determina la ubicación del robot utilizando ambos métodos mencionados. Los datos obtenidos son comparados para analizar la varianza, así como los errores cuadráticos medio (MSE), raíz cuadrada del error cuadrático medio (RMSE) y error absoluto medio (MAE). Finalmente, se extraen conclusiones sobre la eficacia de implementar este método de SLAM visual en modalidad de groundtruth o en el propio robot. Este estudio contribuye al avance en la comprensión y aplicación de técnicas de localización y mapeo simultáneo en entornos robóticos usando marcadores tipo ArUco.

Palabras clave

Citación