Large Scale SLAM in an Urban Environment

Abstract

Simultaneous Localisation And Mapping SLAM-problemet är ett robotikproblem som består av att låta en robot kartlägga ett tidigare okänt område, och samtidigt lokalisera sig i den skapade kartan. Det här exjobbet presenterar ett försök till en lösning på SLAM-problemet som fungerar i konstant tid i en urban miljö. En sådan lösning måste hantera en datamängd som ständigt ökar, utan att beräkningskomplexiteten ökar signifikant. Ett informationsfilter på fördröjd tillståndsform används för estimering av robotens trajektoria, och kamera och laseravståndssensorer används för att samla spatial information om omgivningarna längs färdvägen. Två olika metoder för att detektera loopslutningar föreslås. Den första är bildbaserad och använder Tree of Words för jämförelse av bilder. Den andra metoden är laserbaserad och använder en tränad klassificerare för att jämföra laserscans. När två posar, position och riktning, kopplats samman i en loopslutning beräknas den relativa posen med laserscansinriktning med hjälp av en kombination av Conditional Random Field-Match och Iterative Closest Point. Experiment visar att både bild- och laserscansbaserad loopslutningsdetektion fungerar bra i stadsmiljö, och resulterar i good estimering av kartan såväl som robotens trajektoria.