Autonomous appearance-based navigation for mobile robotic systems

Robust long-term positioning is essential for autonomous mobile robotic systems. Locally accurate maps are critical to collision avoidance, while large-scale maps (accurate both metrically and topologically) are necessary for efficient route planning. However, in many environments this task becomes challenging, for dead-reckoning errors tend to accumulate as the robot travels through unknown environment. The most effective way to overcome this issue is updating position estimates when previously mapped regions are revisited. This thesis focuses on the problem of unsupervised appearance-based place recognition, which is the key point for solving such popular in robotic field tasks as loop closure detection, kidnapped robot re-localisation and multi-session mapping. The goal of the reported research is twofold. Firstly, we make an extensive overview of existing image representation, analysis and probabilistic filtering techniques. We show that every place recognition problem can be considered as a set of quasi autonomous tasks whose optimal solution depends only on navigation parameters. Secondly, we outline probabilistic recursive Bayesian estimation based approach to the problem, which can be seen both as an independent topological SLAM algorithm and as a useful compliment to metric SLAM systems in general. From this point of view we stress limitations of the currently existing approaches and provide possible solutions. Finally, we demonstrate the quality of our work on two video sequences acquired using a simple monocular hand-held camera in challenging environments under strong perceptual aliasing conditions (i.e. when several distinct places look similar).

In robotica, la localizzazione di un robot all’interno di una mappa che esso stesso crea simultaneamente mentre esplora l’ambiente in cui si trova (SLAM) `e un compito ben noto. Tra le necessit`a tipiche dei sistemi SLAM c'`e quella di saper riconoscere un luogo visitato in precedenza, nota come problema della chiusura del loop. Tale necessit`a `e dettata dal fatto che lo SLAM, basandosi su misure rumorose e facendo uso di approssimazioni, genera una stima della posizione del robot, progressivamente inconsistente (i.e., le incertezze vengono sottostimate). Lo scopo di questa tesi `e proporre un sistema di SLAM topologico in grado di stabilire se il robot stia visitando nuovamente un luogo gi`a visitato in passato, mediante un approccio puramente visuale ovvero confrontando le immagini scattate dal robot durante il suo moto. In questa tesi abbiamo analizzato diversi articoli della letteratura scientifica sul localizzazione visuale, analizzato i problemi legati alla rappresentazione delle immagini e il loro confronto, presentando e valutando diversi algoritmi presenti in letteratura e proponendone di nuovi, ed infine abbiamo discusso i risultati ottenuti con diverse combinazioni dei suddetti algoritmi.