An experiment in autonomous navigation for a security robot

One of the most useful purpose in autonomous robots is to substitute for human activity in the so called Dirty, Dangerous, Dull (DDD) tasks. The Ra.Ro platform, developed by NuZoo, is designed to work as a security robot, able to patrol, detect anomalies, and eventually send alarms to a centralized station. This platform is has to be adapted to different purposes and customized for each client, but in most of cases an autonomous navigation is required. The aim of this thesis is to propose a mapping and localization system to avoid the well-known odometry drifting problem and allow for long term autonomous navigation the Ra.Ro. platform. In particular, the robot moves in an indoor environment, challenging because of the lack of any global positioning sensor such as GPS in outdoor. The odometry system provided by the wheel encoders is not precise enough and very sensitive to errors, thus it is important to fuse the information retrieved by multiple sensors such as IMU, LIDAR and a camera used to recognize specific markers in order to compensate for odometry drifting. The final results, testing the robot in real world scenarios, are quite satisfying, allowing finally the robot to move autonomously in an environment previously mapped.

Uno dei principali scopi dei robot autonomi \`e quello di sostituire l'uomo nelle attivit\`a pi\`u sporche, pericolose e noiose (i cosiddetti \textit{Dirty, Dangerous, Dull tasks} ovvero DDD). La piattaforma Ra.Ro., sviluppata da NuZoo, \`e progettata per lavorare come robot di sicurezza, capace di pattugliare, individuare anomalie e infine lanciare allarmi ad una stazione centralizzata. Spesso \`e stato richiesto che questa piattaforma venga adattata per diversi scopi, ma la maggior parte di essi richiedono una navigazione autonoma. L'obbiettivo di questa tesi \`e di proporre un sistema di mappatura e localizzazione che ovvi al noto problema del \textit{drifting}. In particolare ci occupiamo di un ambiente interno, il quale \`e difficoltoso a causa della mancanza di un sensore, come il GPS, che ci dia informazioni affidabili su dei punti fissi. Il sistema di odometria fornito dagli \textit{encoder} delle ruote non \`e abbastanza preciso e molto sensibile agli errori, per questo \`e molto importante fondere le infomazioni ricevute da molteplici sensori quali una IMU, un LIDAR e una videocamera utilizzata per riconoscere marker specifici. I risultati, testati in un ambiente reale, sono stati soddisfacenti alla fine, consentendo al robot di muoversi in un ambiente precedentemente mappato.