Riassunto analitico
Un robot mobile per poter essere considerato veramente autonomo deve riuscire a localizzarsi e a costruire una mappa dell’ambiente circostante. Questo problema prende il nome di SLAM (Simultaneous Localization and Mapping) e risulta essere uno dei problemi più noti della robotica mobile.
Lo SLAM richiede l’utilizzo di sensori esterocettivi che forniscono informazioni sulla posizione del robot rispetto all’ambiente. Quelli più utilizzati nella robotica mobile sono i laser scanner, le telecamere RGB e RGBD, i sonar e i GPS. In questo lavoro di tesi è stato utilizzato un lidar 3D multicanale, questo ha permesso di fare un passo oltre alle classiche tecniche che risolvevano il problema in due dimensioni, andando ad indagare quelle più innovative di SLAM 3D. Tra queste ne sono state sviluppate di diverse tipologie, ognuna con i propri punti forti e deboli, alcune più accurate ma più pesanti computazionalmente e viceversa.
L’obbiettivo di questa tesi è la ricerca di algoritmi di SLAM 3D allo stato dell’arte sui framework ROS e ROS2, la loro configurazione e lo sviluppo di metodologie per la valutazione delle loro prestazioni. Gli algoritmi selezionati sono stati testati prima su un dataset disponibile in letteratura e poi su un dataset registrato in un ambiente industriale.
Le metriche sviluppate sono cinque: semplicità d’uso e tuning dell’algoritmo, onere computazionale, ripetibilità, accuratezza nella localizzazione della posa del robot e nella costruzione della mappa e infine la robustezza ad accelerazioni o velocità angolari elevate. Attraverso queste cinque metriche è possibile valutare le qualità e i punti critici di ogni algoritmo, rendendo più semplice la scelta di quelli più adatti a un contesto industriale.
|
