Reconocimiento Visual de Escenas en Entornos Multi-Robot

Abstract

[spa] Dentro del ´ambito de la rob´otica m´ovil, la generaci´on de mapas del entorno (mapping por sus traducci´on al ingl´es) se considera una tarea fundamental, ya que sirve como base a otras tareas de m´as alto nivel tales como la localizaci´on, la planificaci´on de caminos o la evitaci´on de obst´aculos. El proceso de construcci´on de mapas se encarga de construir una representaci´on del entorno en el que opera el robot a partir de la informaci´on sensorial recibida. Sin embargo, todos los sensores presentan un inherente ruido que dificulta este proceso, produciendo incoherencias en los mapas resultantes. Por esta raz´on, los algoritmos actuales de construcci´on de mapas se apoyan en t´ecnicas alternativas que permiten determinar cuando el robot se encuentra en una zona ya visitada previamente. La importancia de ser consciente de estas situaciones radica en que esta informaci´on permite minimizar el error que presentan los mapas resultantes, dando lugar a representaciones del entorno coherentes y mucho m´as fieles a la realidad. La capacidad de determinar si el robot se encuentra en una zona ya visitada previamente es lo que se conoce en rob´otica m´ovil como la detecci´on de bucles (en ingl´es, loop closure detection). Durante los ´ultimos a˜nos han proliferado soluciones para detectar bucles basadas en t´ecnicas de visi´on por computador, debido especialmente a la existencia, cada vez m´as, de ordenadores m´as potentes y a la reducci´on del coste de las c´amaras convencionales. Cuando el problema de detectar bucles se basa en im´agenes se dice que el proceso est´a basado en la apariencia (appearance-based loop closure detection). En ocasiones, tambi´en se le conoce como reconocimiento visual de escenas (visual place recognition). La mayor´ıa de las soluciones propuestas para el cierre visual de bucles est´an pensadas para funcionar sobre un ´unico agente. Sin embargo, en entornos grandes, el uso de diversos robots trabajando de una forma cooperativa provee diversos beneficios, como, por ejemplo, la reducci´on del tiempo utilizado para generar el mapa de dicho entorno. Es por ello que existe un creciente inter´es en el desarrollo de algoritmos de detecci´on visual de bucles que operen en escenarios multi-robot. Este tipo de escenarios, debido a que cada agente tiene una visi´on parcial del entorno, presentan una serie de dificultades que no se encuentran al detectar bucles con un ´unico robot y que deben ser tenidas en consideraci´on. Dentro de este contexto, el objetivo de este trabajo de final de m´aster es adaptar una soluci´on existente de reconocimiento visual de escenas para trabajar en entornos multi-robot. De forma m´as precisa, los objetivos del trabajo son: Estudiar y comprender el funcionamiento de un algoritmo reciente de detecci´on visual de bucles. Adaptar dicho algoritmo para trabajar en un entorno distribuido, implementando diversas variantes de funcionamiento. Comparar los algoritmos desarrollados con respecto a la versi´on para un ´unico robot y con algunas soluciones existentes. Evaluar las ventajas y desventajas de cada variante de funcionamiento