On computational intelligence tools for vision based navigation of mobile robots

Abstract

En el trabajo de esta tesis se han tratado dos tipos de sensores basicos para el desarrollo de sistemas de navegacion: camaras opticas y camaras 3D de deteccion de rango, Con ambas los problemas tratados son el de autolocalizacion, deteccion de movimiento propio del robot y construccion de mapas. Se han obtenido buenos resultados utilizando tecnicas de computacion reticular, tecnicas evolutivas y de redes neuronales. La computacion reticular se ha aplicado a la autolocalizacion en mapas cualitativos y a la deteccion de balizas visuales con camaras opticas. Para la realizacion de procesos de localizacion metrica con camaras 3D de deteccion de rango, se han aplicado redes neuronales competitivas y algoritmos evolutivos para la estimacion de las transformaciones entre vistas 3D que nos proporcionan la estimacion del movimiento del robot. Finalmente, se ha realizado una prueba de concepto experimental sobre una plataforma robotica real de un Sistema Robotico Multi-Componente Enlazado con retroalimentacion visual. Abstract: This PhD Thesis has dealt with two types of sensors, studying their usefulness for the development of navigation systems: optical cameras and 3D range finder cameras. Both were used to attack the problems of selflocalization, egomotion and topological and metric map building. Good results have been obtained using Lattice Computing, Evolution Strategies and Artificial Neural Network techniques. Lattice Computing has been applied to self-localization in qualitative maps and to visual landmark detection using optical cameras. For metric localization tasks with 3D range finder cameras, Competitive Neural Networks and Evolution Strategies have been used to estimate the transformations between 3D views, which will provide the estimation of the robot's movement. Finally, we have performed a proof-of-concept physical experiment on the control of Linked Multi-Component Robotic Systems with visual feedback.