Simultaneous localization and mapping with limited sensing using Extended Kalman Filter and Hough transform

Abstract

Original scientific paper The problem of a robot to create a map of an unknown environment while correcting its own position based on the same map and sensor data is called Simultaneous Localization and Mapping problem. As the accuracy and precision of the sensors have an important role in this problem, most of the proposed systems include the usage of high cost laser range sensors, and relatively newer and cheaper RGB-D cameras. Laser range sensors are too expensive for some implementations, and RGB-D cameras bring high power, CPU or communication requirements to process data on-board or on a PC. In order to build a low-cost robot it is more appropriate to use low-cost sensors (like infrared and sonar). In this study it is aimed to create a map of an unknown environment using a low cost robot, Extended Kalman Filter and linear features like walls and furniture. A loop closing approach is also proposed here. Experiments are performed in Webots simulation environment. Keywords: Extended Kalman Filter; Hough transform; limited sensing; loop closing; SLAM Simultano lokaliziranje i kartiranje s ograničenom indikacijom odstupanja uz primjenu produljenog Kalman filtra i Hough transformacijeIzvorni znanstveni članak Problem robota da izradi kartu nepoznatog okruženja uz ispravljanje vlastitog položaja na temelju iste karte i podataka senzora naziva se problem simultanog lokaliziranja i kartiranja (mapiranja). Budući da je točnost i preciznost senzora od velike važnosti u rješavanju tog problema, većina predloženih sustava uključuje primjenu skupih laserskih senzora daljine te relativno novije i jeftinije RGB-D kamere. Laserski senzori daljine su preskupi za neke primjene, a RGB-D kamere imaju veliku snagu, CPU ili sve što je potrebno za obradu podataka direktno ili na PC-u. Za izradu jeftinog robota bolje je primijeniti senzore niske cijene (poput infracrvenih ili sonarnih). Cilj je ovoga rada izraditi kartu nepoznatog okruženja uz primjenu jeftinog robota, produljenog Kalman filtra i linearnih obilježja, kao što su zidovi i namještaj. Ovdje se također predlaže pristup zatvaranja petlje. Eksperimenti su provedeni u okruženju Webots simulacije.