Sobre la mejora esperada de la estimación de la odometría en Exploración Integrada
Alfredo Palacios, Aïda López
- Year
- 2020
- Citations
- 2
- Access
- Open access
Abstract
El problema de Exploración integrada es la nueva tendencia en la construcción de mapas de ambientes desconocidos; en ella, se integra el viejo paradigma de la localización y mapeo simultáneos (SLAM) con la planificación de movimientos necesarios, para que esta tarea sea realizada de forma autónoma. Sin embargo, aunque el control de movimientos es una parte esencial de este paradigma, los trabajos encontrados en la literatura se han limitado a desarrollar estrategias que mejoren los tiempos de recorridos y la cobertura del ambiente, dejado de lado el impacto que estos puede tener sobre la odometría del robot y, en consecuencia, sobre los requerimientos de los algoritmos de localización. De lo anterior, en este documento se presenta una nueva forma eficiente de exploración de ambientes para el problema de SLAM, que tiene como objetivo mejorar los tiempos de exploración y maximizar la cobertura del área de trabajo, pero además el de minimizar el error odométrico acumulado para simplificar el proceso de localización.
Keywords
Related papers
Artificial intelligence: a modern approach
1995
Are we ready for autonomous driving? The KITTI vision benchmark suite
Andreas Geiger, P Lenz, R. Urtasun
2012
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems
Martı́n Abadi, Ashish Agarwal, Paul Barham +17 more
2016
Vision meets robotics: The KITTI dataset
Andreas Geiger, Philip Lenz, Christoph Stiller +1 more
2013