A system for automatically evaluating the quality of maps built by autonomous mobile robots

The main contribution of this thesis is related to the research field of SLAM (Simultaneous Localization And Mapping), in which a mobile robot builds a map of an environment while simultaneously localizing itself in it. This prob- lem is well known within the field of mobile robotics and has already been successfully addressed with several probabilistic algorithms that produce the map of the environment that the robot has explored. SLAM algorithms do not take into account the reliability of the produced map, i.e., how much the map reconstructed by the robot is similar to the actual map of the environ- ment, called ground truth. Knowing, without running a SLAM algorithm, the quality of the map produced in a given environment would be of great advantage for research and industrial applications. For example, you might know in advance if the algorithm is expected to build a map that is accurate enough to allow the robot to complete its task. In order to have such knowl- edge, it would be necessary to know how an algorithm behaved in different environments in order to correlate its performance with the characteristics of the environment. With this thesis we want to move a step towards the goal of having a method to predict the quality of the map produced by a SLAM algorithm by presenting a system for the automatic evaluation of the maps. The entire system has been implemented using the Robot Operating System (ROS) framework.

Questo lavoro di tesi si colloca nell’ambito dello SLAM (Simultaneous Lo- calization And Mapping), termine che indica l’operazione con cui un robot mobile costruisce incrementalmente una mappa di un ambiente localizzan- dosi allo stesso tempo al suo interno. Possibili soluzioni al problema di SLAM sono state proposte con successo con diversi algoritmi probabilis- tici che producono la mappa dell’ambiente che il robot ha esplorato. La qualit`a di una mappa ottenuta mediante algoritmi di SLAM, ovvero quanto sia aderente all’ambiente che rappresenta, non `e nota a priori. Riuscire a conoscere, senza eseguire l’algoritmo, la qualit`a della mappa prodotta in un determinato ambiente sarebbe di grande vantaggio per applicazioni di ricerca e industriali. Per esempio si potrebbe sapere in anticipo se l’algoritmo in questione costruisce una mappa abbastanza accurata per permettere al robot di portare a termine il suo compito. Per fare questo servirebbe conoscere come si comporta un algoritmo in diversi ambienti per poter correlare le sue prestazioni alle caratteristiche dell’ambiente. Con questa tesi si vuole com- piere un passo verso l’obiettivo di avere un metodo per prevedere la qualit`a della mappa prodotta da un algoritmo SLAM, presentando un sistema di valutazione automatica delle mappe. Tutto il sistema `e stato implementato usando il framework Robot Operating System (ROS).