Περίληψη: | Το πρόβλημα της Ταυτόχρονης Θέσης και Χαρτογράφησης (Simultaneous Localization and Mapping - SLAM) εισάγει το ερώτημα του κατά πόσο είναι δυνατόν ένα κινούμενο ρομποτικό σύστημα να αφεθεί σε μια άγνωστη περιοχή και να δημιουργήσει έναν χάρτη αυτής ενώ ταυτόχρονα να χρησιμοποιεί αυτόν τον χάρτη για να υπολογίσει την απόλυτη θέση του εαυτού του. Η προσπάθεια επίλυσης του προβλήματος SLAM απασχολεί την ρομποτική κοινότητα για αρκετά χρόνια, αφού κάτι τέτοιο θα σήμαινε την πλήρη αυτονομία των ρομποτικών συστημάτων ως προς την πλοήγηση τους στον χώρο. Η γέννηση τέτοιων αυτόνομων ρομπότ θα μπορούσε να βρει ευρεία εφαρμογή στη χαρτογράφηση περιοχών που μέχρι σήμερα καθίσταται αδύνατη, όπως υποθαλάσσιες και εναέριες περιοχές ή ακόμη και η εξερεύνηση πλανητικών συστημάτων. Ένα είδος SLAM αλγορίθμου είναι ο visual-SLAM (vSLAM) ο οποίος χρησιμοποιεί μία ή περισσότερες κάμερες για τη διεκπεραίωση της οδομετρίας. Στην περίπτωση που ένα ρομποτικό σύστημα διαθέτει μόνο μια κάμερα τότε πραγματοποιεί "μονόφθαλμη οπτική οδομετρία" (Visual Odometry - VO) η οποία μπορεί να υλοποιηθεί μέσω ενός ημι-άμεσου αλγορίθμου που καλείται SVO(Semi Direct Visual Odometry) και προσφέρει ακρίβεια, ευρωστία και ταχύτητα υπολογισμών. Για πιο αποτελεσματική μονόφθαλμη οδομετρία, μπορεί να προστεθεί μια αδρανειακή μονάδα μέτρησης η οποία ενισχύει την ακρίβεια των υπολογισμών της θέσης που πραγματοποιεί ο αλγόριθμος. Τα συστήματα αυτά εκτελούν "οπτική αδρανειακή οδομετρία" (Visual Inertial Odometry - VIO) που μπορεί να βελτιστοποιηθεί, μεταξύ άλλων, με χρήση αλγορίθμων bundle adjustment. Ένας χαρακτηριστικός αλγόριθμος bundle adjustment είναι ο iSAM2, ο οποίος χρησιμοποιεί ένα δέντρο Bayes για αύξηση της ταχύτητας των υπολογισμών ενώ παράλληλα διατηρείται η ακρίβειά τους. Η παρούσα διπλωματική εργασία αποτελεί μια προσπάθεια ενσωμάτωσης αισθητήριων μετρήσεων που προέρχονται από μια αδρανειακή μονάδα μέτρησης (IMU) στον SVO αλγόριθμο, με στόχο την υλοποίηση ενός VIO συστήματος το οποίο έπειτα βελτιστοποιείται μέσω του iSAM2 αλγορίθμου
|