Aplicaciones de la reconstrucción 3D: odometría visual e integración con la realidad virtual

Abstract

Con el objetivo de operar de manera eficiente, los robots requieren de cierto grado autonomia. Se definen los robots autonomos como aquellos que poseen un alto grado de autogestion, suficiente para operar por si mismos e independientemente del manejo o supervision de personas. Esta cualidad los hace especialmente deseables y apropiados para tareas inadecuadas para los seres humanos como, por ejemplo, operaciones de rescate o reconocimiento de lugares desconocidos. Por ello, surge la necesidad de dotar al robot de autogestion, y desarrollar continuamente nuevas formas para conseguirlo. De las numerosas maneras de incrementar dicha autonomia, en este trabajo se aborda un sistema de navegacion conocido como odometria visual. Esta tecnica consiste en estimar la posicion y orientacion del robot, obteniendo una trayectoria de su recorrido, analizando diferentes imagenes capturadas con una camara incorporada al robot. De estos fotogramas, se extraen caracteristicas como pueden ser bordes, esquinas o manchas, y se observa como varian en imagenes siguientes, estimando cuanto se ha desplazado el robot. Para ello, sera necesaria la creacion de un mapa simultaneo al movimiento (SLAM). Teniendo en cuenta que un mapa 3D contiene mas informacion que uno 2D, se opta, tras valorar las diferentes alternativas disponibles, por realizar una reconstruccion 3D con RTAB-Map con la Kinect para estimar la trayectoria de la camara. Este dispositivo, presenta un sensor de profundidad que estima la distancia a la que se encuentran los pixeles de las imagenes capturadas por la camara de color. Todo el software se integra y desarrolla en ROS Indigo en Ubuntu. De cara a evaluar la viabilidad de la propuesta anterior se realizan diferentes simulaciones en Gazebo, previas a la implantacion del sistema en la realidad. Hay que tener en cuenta que, al tratarse de entornos simplificados, no se lidia con factores que si se encuentran en la realidad como, por ejemplo, luces u objetos dinamicos. En dicho entorno de simulacion se crean varios mundos y se lanza en su interior un modelo del robot Summit con la camara Kinect incorporada. Seguidamente, se desplaza el robot en Gazebo de modo que todos los rincones se encuentren, al menos una vez, dentro del campo de vision de la Kinect simulada y simultaneamente se reconstruye el mundo utilizando RTAB-Map. A continuacion, se presentan los resultados tras la reconstruccion, mundo simulado y reconstruccion. El resultado global obtenido se considera satisfactorio, ya que cumple las expectativas iniciales de la tecnica. No obstante, presenta pequenos defectos locales que empanan ligeramente el resultado general asociados principalmente al loop closure. Este algoritmo evita reconstruir una zona ya visitada reconociendo caracteristicas previamente identificadas en la primera pasada. Estos desperfectos se minimizaran en la etapa de la realidad. Una vez superadas las simulaciones y verificada la propuesta inicial, comienza la implantacion fisica de la tecnica en la realidad. Uno de los mayores inconvenientes que surgieron radicaba en la incapacidad de la camara para operar en exteriores de manera fiable, debido a que no podia lidiar con la luz directa e intensa. Esto limito su campo de investigacion, ya que hubo que realizar todos los ensayos y pruebas en interiores prescindiendo de escenas al aire libre, como se pretendia en un principio. El primer paso consiste en la instalacion y calibracion de la Kinect para corregir la posible desviacion que trae la lente de camara de fabrica. Posteriormente se procede a realizar las primeras pruebas construyendo la realidad. De nuevo, aparecen los mismos tipos de defectos observados durante las simulaciones. Para paliar dichos errores se efectua una etapa de post-procesado aplicando diferentes filtros, mejorando tambien la precision de la odometria, intrinsecamente ligada a la reconstruccion. En la comparativa posterior, se denota la importancia del loop closure antes y despue