Sistema de localización mediante odometría visual para vehículos inteligentes

Resumen

En los últimos anos, el interés por la navegación autónoma de vehículos ha crecido gracias a eventos como el Defense Advanced Research Projects Agency DARPA Grand Challenge y recientemente el Urban Challenge. La localización se ha convertido en una pieza clave para la navegación, siguiendo la tendencia de la robótica que ha tenido un gran progreso en la última década. Por ello, nuestro objetivo es la navegación autónoma de vehículos a gran escala en exteriores y la mejora de la localización proporcionada por los GPS a los sistemas actuales de navegación. El trabajo que se propone en esta tesis es especialmente útil en áreas donde la señal del GPS no es fiable o se ha perdido (túneles, áreas urbanas con edificios altos, entornos montañosos o con árboles, etc.). Nuestro objetivo es desarrollar un sistema de localización robusto, basado en un sistema de visión estéreo que ayude a un GPS estándar en las tareas de navegación. En esta tesis se presenta una nueva solución para estimar la trayectoria seguida por un vehículo y su posición global en entornos urbanos utilizando odometría visual y un mapa digital. Para ello, primero se describen los modelos de las cámaras y la tridimensional y se propone un modelo para representar la incertidumbre en la reconstrucción. A continuación se explica una nueva estrategia para la extracción de puntos característicos. Para afrontar la complejidad de los entornos urbanos se utilizan como características las Scale-invariant Image Features (SIFT). Los resultados son comparados con otros extractores de características. Se ha equipado un vehículo de test con un par de cámaras estéreo montadas en el espejo retrovisor cuya trayectoria es calculada siguiendo el movimiento de puntos característicos de la escena. Los puntos característicos se siguen entre frames creando trayectorias 3D. El movimiento del vehículo es estimado utilizando un método fotogramétrico no lineal basado en RANSAC (RAndom SAmple Consensus). Se presenta un nuevo método basado en RANSAC y la distancia de Mahalanobis junto a unos mínimos cuadrados no lineales ponderados para adaptarse a la naturaleza heterocedástica de los datos de entrada. Se demuestra sobre un simulador y sobre datos reales que este método obtiene mejores resultados que las soluciones previas. Para realizar la localización global durante las pérdidas de cobertura del GPS, se propone un algoritmo de map-matching probabilístico. Para ello, la última posición fiable dada por el GPS es utilizada como punto de partida para el algoritmo de map-matching que relizará la localización utlizando la información del movimiento proporcionada por el sistema de odometría visual. El objetivo final es proporcionar asistencia al conductor en las tareas de navegación o incluso proporcionar un medio para la navegación autónoma. El sistema se ha probado en condiciones de tráfico real sin ningún conocimiento previo de la escena o el movimiento.