Reconstrucción tridimensional de nubes de puntos de terreno no estructurado para robots autónomos

Área de la Ciencia:

• La robótica
• Visión por computadora
• Ciencias geoespaciales

Sus antecedentes:

• Los modelos de terreno basados en LIDAR son cruciales para la navegación de robots en la exploración de campo, el alivio de desastres y la agricultura.
• Los terrenos no estructurados presentan desafíos debido a la falta de características, el ruido y las dificultades en la correspondencia de la nube de puntos.
• Los métodos existentes luchan por igualar la precisión y los desplazamientos de cuadro en entornos complejos y naturales.

Objetivo del estudio:

• Desarrollar un algoritmo avanzado para la reconstrucción precisa del terreno en 3D en entornos no estructurados.
• Para mejorar la correspondencia de características y reducir los desplazamientos de fotogramas en los datos de nube de puntos.
• Mejorar la planificación de la ruta del robot y la identificación de las áreas transitables.

Principales métodos:

• Integración de la teoría de optimización de gráficos con el algoritmo LOAM (Lidar Odometry and Mapping).
• Incorporación de la información de movimiento del robot de las unidades de medida inerciales (IMU).
• Desarrollo de un nuevo algoritmo de construcción de terreno no estructurado.

Principales resultados:

• El método propuesto permite una reconstrucción precisa y eficaz del terreno en entornos no estructurados.
• Mejora demostrada en la fiabilidad de coincidencia de características entre escaneos LIDAR consecutivos.
• Reducción de desplazamientos entre cuadros vecinos, lo que lleva a un mapeo más preciso.

Conclusiones:

• El enfoque combinado de LIDAR, IMU y optimización de gráficos ofrece una solución robusta para el modelado del terreno.
• Este algoritmo mejora significativamente las capacidades de los robots que operan en entornos exteriores complejos y no estructurados.
• Los hallazgos apoyan una navegación y toma de decisiones autónomas más confiables para los robots en terrenos difíciles.