|
Solución al problema de SLAM empleando SGD con imágenes omnidireccionales Resumen:
Este trabajo aborda el problema de SLAM (Simultaneous Localization and Mapping), y presenta una solución basada en el algoritmo SGD (Stochastic Gradient Descent). En concreto se plantea un modelo basado en imágenes omnidireccionales. Entre las aplicaciones de la robótica móvil nunca ha sido evaluado el funcionamiento de SGD junto con la información del entorno ofrecida por este tipo de imágenes. Este artículo sugiere el empleo de SGD en un sistema de SLAM, el cual explota los beneficios proporcionados por una cámara omnidireccional. Se presentan diversas mejoras sobre el modelo general de SGD para lograr su adaptación al caso de observación omnidireccional, cuya naturaleza es angular y sin escala. Esta nueva propuesta basada en SGD reduce los indeseados efectos producidos por los errores no lineales introducidos en el sistema, los cuales comprometen la convergencia de los modelos tradicionales de estimación, como los filtros. Confiamos en un modelo de construcción del mapa eficiente, constituido por un conjunto reducido de vistas omnidireccionales. En contraste con los esquemas tradicionales de SGD que únicamente procesan una medida de observación por iteración del proceso, proponemos una estrategia que considera varias medidas simultáneamente, con el objetivo de mejorar la velocidad de convergencia de la estimación. Presentamos diferentes conjuntos de experimentos con la intención de validar este nuevo modelo propuesto basado en SGD con medidas de observación omnidireccionales. Finalmente, comparamos dichos resultados con los obtenidos empleando un modelo tradicional de SGD, con la finalidad de demostrar los beneficios esperados en términos de eficiencia. |