A library for simultaneous localization and mapping using data matrix visual markers

In the last twenty years, Mobile Robotics has been trying to study and build autonomous agents, able to operate within an environment without any ex ternal human help. One of the keystones to make robots really autonomous is the ability of a robot moving and localizing itself in unknown environments, in real time, using exclusively information gathered by the on board sensors. The techniques which allow such ability are commonly called SLAM (Simultaneous Localization and Mapping). This thesis purpose is to design and build a library within the MoonSLAM framework, allowing to implement software for SLAM based on the use of visual markers as artificial landmarks, as opposite to environment natural landmarks. Experimental tests were conducted in order to verify markers image detection through computer vision algorithms, after which it was possible to integrate such markers as features in an extended Kalman filter for SLAM algorithms execution.

Il presente lavoro di tesi si colloca nell’ambito della robotica mobile, disciplina che, negli ultimi venti anni, si occupa di studiare e progettare agenti fisici realmente autonomi, cioè dotati di funzionalità intelligenti che li rendono in grado di agire senza bisogno dell’intervento esterno da parte dell’uomo. In questa tesi ci siamo focalizzati sulla capacità di inferire, tramite una telecamera, informazioni metriche dall’ambiente in cui si opera, di localizzarsi al suo interno senza alcuna conoscenza a priori e di costruire allo stesso tempo in modo incrementale una mappa delle regioni esplorate. L’insieme delle tecniche che permettono di implementare tali abilità viene comunemente denominato SLAM (Simultaneous Localization and Mapping). L’obiettivo del lavoro di tesi è la progettazione e la realizzazione di una libreria per il framework MoonSLAM che consenta lo sviluppo di software per lo SLAM basato su marker visuali utilizzati come landmark artificiali, in aggiunta ai classici landmark naturali dell’ambiente. Sono stati effettuati esperimenti per verificare il riconoscimento dei marker tramite algoritmi di computer vision, dopodichè è stata resa possibile l’integrazione di tali marker come feature di un filtro di Kalman esteso per l’esecuzione di algoritmi di SLAM.