SciELO - Scientific Electronic Library Online

 
vol.21 issue2A Model for Determining the Maturity of Automation of Software Testing as a Research and Development AreaParameter Estimation for Chaotic Fractional Systems by Using the Locust Search Algorithm author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Computación y Sistemas

On-line version ISSN 2007-9737Print version ISSN 1405-5546

Abstract

TORIZ PALACIOS, Alfredo  and  SANCHEZ LOPEZ, Abraham. Método de asociación de datos basado en curvas B-Spline para el problema de SLAM en ambientes complejos. Comp. y Sist. [online]. 2017, vol.21, n.2, pp.353-368. ISSN 2007-9737.  https://doi.org/10.13053/cys-21-2-2724.

En este documento se presenta una nueva propuesta para dar solución al problema de asociación de datos para SLAM destinado a la construcción de mapas de ambientes complejos. La idea principal de la que parte la propuesta, es la de utilizar curvas B-Splines como medio para describir obstáculos con geometrías complejas presentes en el área de trabajo y utilizar la información contenida en ellas para encontrar puntos característicos del ambiente que puedan ser asociados. La utilización de esta información para realizar una asociación más exacta es una de las principales contribuciones de este documento, ya que esta tiene un impacto directo sobre la localización del robot y en consecuencia en la calidad del mapa final. El problema es abordado inicialmente comparando los puntos de control que forman tanto las curvas que representan los obstáculos observados en un instante determinado, como las que representan los obstáculos almacenados en el mapa que se está construyendo, relacionando aquellos que se encuentran suficientemente cerca. A continuación, la curvatura de las B-Splines relacionadas es obtenida para extraer puntos característicos (Puntos de inflexión y esquinas) contenidos en las curvas. Finalmente, la información coincidente será utilizada para corregir la posición del robot y la de los obstáculos detectados. Numerosos experimentos han sido llevados a cabo usando información real y simulada, con la finalidad de validar los procesos y algoritmos propuestos en nuestro enfoque. Nuestro método, logra una gran precisión en la construcción de mapas de ambientes complejos, lo cual es casi imposible para las técnicas que existen actualmente.

Keywords : SLAM; asociación de datos; curvas B- Spline.

        · abstract in English     · text in Spanish     · Spanish ( pdf )