Mapping the unmapped : predicting the layout of rooms beyond closed doors

The availability of maps of indoor environment is fundamental for autonomous mobile robots to efficiently operate in industrial, office, and domestic applications. Sometimes, when robots build these maps, some areas of the environments could be inaccessible, for instance because of some doors being closed. As a result, some rooms of the environments that are behind those closed doors are not mapped, potentially causing the robot having problems with navigation or localization tasks when the robot operates according to its map. In this thesis, we will provide an algorithm that completes 2D grid maps, by predicting the layout of rooms beyond closed doors. The main idea of our method is to exploit the underlying geometrical structure of indoor environments to estimate the shape of unobserved rooms. Results show that our method is capable of accurately completing the maps even when a large portion of the environment is missing and/or several doors are closed. Furthermore, we experimentally validate the quality of the completed maps by using them in planning tasks.

Un robot mobile autonomo, per operare in ambienti indoor quali uffici, appartamenti privati, luoghi pubblici e industriali, necessita della mappa di tali ambienti. Durante la costruzione di queste mappe da parte del robot può capitare che alcune zone risultino inaccessibili, per esempio, a causa di alcune porte chiuse. Le stanze presenti dietro tali porte non verranno così mappate, ottenendo quindi una mappa incompleta, e potenzialmente causando problemi al robot in fase di navigazione e localizzazione quando dovrà andare ad operare all'interno di quegli ambienti sfruttando la mappa costruita. In questa tesi, presentiamo un algoritmo per completare mappe bidimensionali incomplete, predicendo il layout geometrico delle stanze dietro alle porte chiuse. L'idea alla base del nostro metodo è quella di sfruttare l'intrinseca struttura geometrica degli ambienti indoor per stimare la forma delle stanze non osservate. I risultati mostrano come il nostro algoritmo è in grado di completare le mappe accuratamente, anche in condizioni difficili come quando la porzione mancante dell'ambiente è estesa e/o molte porte sono chiuse. Inoltre, abbiamo sperimentalmente validato la qualità delle mappe completate usandole per risolvere dei problemi di pianificazione.