Combining semantics with unified geometric representations for indoor SLAM

Ασμάνης, Ιωάννης; Asmanis, Ioannis

dc.contributor.author	Ασμάνης, Ιωάννης	el
dc.contributor.author	Asmanis, Ioannis	en
dc.date.accessioned	2021-06-02T08:28:28Z
dc.date.available	2021-06-02T08:28:28Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53538
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21236
dc.rights	Default License
dc.subject	SLAM	en
dc.subject	Εσωτερικοί χώροι	en
dc.subject	Σημασιολογία	el
dc.subject	Γεωμετρικές αναπαραστάσεις	el
dc.subject	SLAM	en
dc.subject	Indoor spaces	en
dc.subject	Semantics	en
dc.subject	Geometric representations	en
dc.title	Combining semantics with unified geometric representations for indoor SLAM	en
dc.contributor.department	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Σημάτων, Ελέγχου και Ρομποτικής	el
heal.type	bachelorThesis
heal.secondaryTitle	Συνδυασμός Σημασιολογίας με Ενοποιημένες Γεωμετρικές Αναπαραστάσεις για SLAM Εσωτερικών Χώρων	el
heal.classification	Ρομποτική Όραση	el
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-04-15
heal.abstract	Ένα από τα κύρια προβλήματα της σύγχρονης ρομποτικής έρευνας είναι η ταυτόχρονη εκτίμηση πόζας και χαρτογράφηση του περιβάλλοντος (Simultaneous Localization And Mapping - SLAM). Αυτή η απαιτητική περιοχή έχει ιδιαίτερη σημασία για την κινητή ρομποτική, όπου ρομποτικοί πράκτορες βασίζονται σε on-board αισθητήρες για την εκτίμηση τόσο της γεωμετρίας του περιβάλλοντος όσο και της τροχιάς τους μέσα σε αυτό. Ξεκινώντας με λύσεις οπτικής οδομετρίας, οι οποίες, μη έχοντας υποδομή για χαρτογράφηση, υποφέρουν από συσσωρευτικά σφάλματα, η σύγχρονη έρευνα έχει τελικά συγκλίνει στην θεωρία του SLAM, που με την χαρτογράφηση και το κλείσιμο βρόχων προσφέρει τη δυνατότητα στα ρομπότ να αυτοδιορθώνουν τις εκτιμήσεις τους όταν επισκέπτονται γνωστούς χώρους. Από μαθηματικής σκοπιάς, υπάρχουν πιθανοτικά εργαλεία που έχουν υποστηρίξει αυτήν την εξέλιξη, δίνοντας βέλτιστες λύσεις υπό τον θόρυβο των αισθητήρων. Σήμερα, με πρόσβαση σε ολοένα και πιο ισχυρό hardware, η κοινότητα χρησιμοποιεί μία ποικιλία από αισθητήρες και αλγορίθμους, συμπεριλαμβανομένων και αλγορίθμων μηχανικής μάθησης, για να αποσπά μεγάλο πλούτο πρόσθετων δεδομένων, που χρησιμοποιούνται για να υποστηρίξουν τις κύριες λειτουργίες SLAM. Αυτό μας κινητοποιεί να δημιουργήσουμε ένα μεικτό πλαίσιο, που θα συνδυάζει αποτελεσματικά δύο τύπους μεταδεδομένων που είναι ιδιαιτέρως δημοφιλείς στη σύγχρονη έρευνα του SLAM εσωτερικών χώρων: γεωμετρικές δομές και σημασιολογική πληροφορία. Επομένως, με βάση μία υπάρχουσα ερευνητική λύση RGB-D SLAM, που εισάγει την έννοια των γεωμετρικών matchable ως τις ενοποιημένες γεωμετρικές του αναπαραστάσεις, χτίζουμε τη μέθοδό μας. Εμπλουτίζουμε θεωρητικά το πλαίσιο με σημασιολογία, που βασίζεται σε ένα βαθύ νευρωνικό δίκτυο που εκτελεί σημασιολογική κατάτμηση των εικόνων. Δείχνουμε ότι, ο συνδυασμός με βάση τη λογική που ορίζουμε, οδηγεί σε καλύτερα αποτελέσματα, όπως αποδεικνύεται και από τα δεδομένα ελέγχου στα οποία πειραματιζόμαστε (ICL-NUIM, InteriorNet, TUM RGB-D), επιτυγχάνοντας εφάμιλλες επιδόσεις με άλλες state-of-the-art μεθόδους που χρησιμοποιούμε για σύγκριση.	el
heal.advisorName	Μαραγκός, Πέτρος	el
heal.committeeMemberName	Ψυλλάκης, Χαράλαμπος	el
heal.committeeMemberName	Τζαφέστας, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	133 σ.	el
heal.fullTextAvailability	false