Long-Term Map Maintenance in Complex Environments
Nome: JOSIAS ALEXANDRE OLIVEIRA
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 18/06/2021
Orientador:
Nome |
Papel |
|---|---|
| CLAUDINE SANTOS BADUE | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| ANSELMO FRIZERA NETO | Examinador Externo |
| CLAUDINE SANTOS BADUE | Orientador |
| THIAGO OLIVEIRA DOS SANTOS | Examinador Interno |
Resumo: Os veículos autônomos devem observar as mudanças no ambiente externo e refletir tais
mudanças em representações internas (por exemplo, mapas) afim de garantir um compor-
tamento adequado e segurança. Como as mudanças nos ambientes externos são inevitáveis,
é desejável um sistema de mapeamento para os robôs móveis que dependam de mapas e
que objetivam operação autônoma de longo prazo. Neste trabalho, propomos um novo
sistema de mapeamento em larga escala para o Intelligent Autonomous Robotic Automo-
bile (IARA). O novo sistema de mapeamento é baseado no algoritmo GraphSLAM, com
extensões para lidar com a calibração da odometria diretamente na otimização do grafo
e a mesclagem e manutenção de mapas a longo prazo. O sistema de mapeamento pode
usar dados de sensor de um ou vários robôs para construir e mesclar mapas de grade de
ocupação. O desempenho do sistema é avaliado em uma série de experimentos realizados
com dados capturados em cenários complexos do mundo real. Os resultados indicam que o
novo sistema de mapeamento pode fornecer mapas de grade de ocupação para navegação
e localização de veículos autônomos.
