Localização e mapeamento simultâneo utilizando uma câmara RGB-D

Abstract

Esta dissertação tem como objetivo desenvolver um sistema capaz de fazer um mapeamento e auto-localização simultaneamente, conhecido na robótica como SLAM, recorrendo a visão por computador. A localização e a capacidade de desenvolver um mapa de um determinado ambiente sempre foram áreas de estudo importantes para a robótica. Esta importância deve-se a uma tendência em procurar construir robôs que consigam fazer tarefas de forma independente. O sistema proposto estima a odometria visual com um sistema mono câmara. Pontos-chave são encontrados utilizando o algoritmo FAST. Entre frames, são verificadas as transformações que ocorrem nestes pontos. O algoritmo de 5-pontos de Nister é utilizado para prever a matriz essencial utilizando as transformações identificadas. Esta matriz permite estimar o movimento realizado pela câmara. Uma Kinect é utilizada para recuperar a escala e fornecer nuvens de pontos para a construção do mapa. O sistema foi desenvolvido em Python e utiliza ROS e os seus recursos para atingir os objetivos propostos.

This dissertation aims to develop a system capable of self-localization and mapping, known in robotics as SLAM. The goal is to use computer vision. Self-localization and the ability of developing a map of a given environment are important areas of study in robotics. The intention and tendency of build robots that can do basic tasks independently is growing each year. The proposed system estimates visual odometry with a mono camera system. Keypoints are found using the FAST algorithm. Between frames, thoose points are tracked and Nister's 5-point algorithm is used to predict the essential matrix. This matrix allows to calculate the movement performed by the camera. A Kinect is used to recover the scale and provide point clouds for the construction of the map. The system was developed in Python and use ROS and its resources to achieve the proposed objectives.