Τριδιάστατη αναπαράσταση για ρομποτική χαρτογράφηση σε αστικό περιβάλλον

Abstract

Η κατασκευή μίας ακριβούς αναπαράστασης του περιβάλλοντος είναι μία από τις βασικότερες εργασίες για ένα αυτόνομο κινητό ρομπότ, δεδομένου ότι η ύπαρξη ενός τέτοιου χάρτη είναι ουσιαστικά βασική προϋπόθεση για την ανάπτυξη αποτελεσματικών στρατηγικών ρομποτικής εξερεύνησης και πλοήγησης. Οι περισσότερες ρομποτικές εφαρμογές βασίζονται σε χάρτες 2D ή υψομετρικούς χάρτες (2.5D height maps), αφού οι τρισδιάστατοι χάρτες απαιτούν μεγάλα ποσά υπολογιστικού χρόνου και κατανάλωσης μνήμης. Ωστόσο, η χρήση 3D χαρτών για την αναπαράσταση ενός περιβάλλοντος είναι πιο κοντά στην ανθρώπινη διαίσθηση και πιο λεπτομερής. Οι περισσότερες τεχνικές 3D χαρτογράφησης χρησιμοποιούν απευθείας την μέθοδο του νέφους σημείων (point clouds), ωστόσο, άλλες στρατηγικές, που βασίζονται σε διάφορες δομές δεδομένων, μπορούν να επιτύχουν γρήγορους χρόνους εισαγωγής και προσπέλασης των δεδομένων. Η συγκεκριμένη διπλωματική εργασία επικεντρώνεται στην αναζήτηση και τη σύγκριση διαφόρων δομών δεδομένων όσον αφορά υπολογιστικούς χρόνους και κατανάλωση μνήμης, όπως οκτάδεντρα (octrees), πίνακες κατακερματισμού (hash-tables) και δέντρων K-d για την ακριβή 3D αναπαράσταση του περιβάλλοντος, χρησιμοποιώντας 3D σημεία. Επιπροσθέτως, παρουσιάζεται η ιδέα της προσέγγισης του περιβάλλοντος με χρήση ορθογωνίων (rectangles) ως “RMAP” και εξετάζεται η χρήση της δομής δεδομένων R-δέντρου (R-tree). Η προσέγγιση RMAP θα παρουσιαστεί τόσο με πιθανοτικό τρόπο ως πλέγμα κατάληψης (occupancy grid) όσο και μία προσέγγιση βασισμένη στην πυκνότητα των σημείων για 3D pointclouds και επίπεδα τμήματα.

Building an accurate representation of an environment is essential for a robot since an accurate map can lead to efficient and precise exploration and navigation strategies. Most robotic applications rely on 2D maps or 2.5D height maps since 3D maps require a large amount of computation time and memory consumption. However, the use of 3D maps for the representation of an environment is much more intuitive and accurate. Most 3D mapping techniques directly utilize a point cloud. However, using several other strategies, which rely on different data structures, both fast insertion/extraction times and efficient memory usage can be achieved. This topic focuses on searching and comparing, in terms of computational time and memory complexity, different data structures such as octrees, hash-tables and K-d trees to build an accurate 3D representation of the environment using the basic primitive of points. Furthermore, the concept of an environmental approximation referred to as “RMAP” is presented, which utilizes rectangles as basic geometric primitives, and the use of the R-tree data structure will be considered. The RMAP approach will be presented both in a probabilistic manner as an occupancy grid and as a point density-based approximation for 3D point-clouds and planar segments.