Mapeamento de ambiente baseado em LiDAR: introdução a técnicas de estimativa de posição e construção de mapas fixos

Abstract

RESUMO: Na robótica móvel, um dos principais desafios é a estimativa de pose e na construção de mapas online confiáveis. Este trabalho investiga o mapeamento de ambientes estáticos utilizando um sistema de fusão sensorial baseado em LiDAR de baixo custo e a aplicação do Filtro de Kalman Estendido. O estudo propõe uma abordagem integrada para a estimativa de posição e construção de mapas de ocupação, com introdução em técnicas de Mapeamento e Localização Simultaneos (SLAM). O robô móvel estabelecido envolve um sensor YDLiDAR X4 PRO e uma unidade inercial MPU6050, que enviam dados coletados a partir de um sistema embarcado a um computador via Wi-Fi para processamento. O EKF é utilizado para aprimorar a estimativa da pose do robô ao combinar a odometria com as medições do LiDAR, o mapa do ambiente é gerado por meio de uma grade de ocupação, utilizando o modelo probabilístico log-odds para atualizar as células conforme novas medições são incorporadas. Os experimentos demonstram que o erro médio absoluto do LiDAR foi de aproximadamente 24,67 (mm) no cenário A e 16,00 (mm) no cenário B, indicando uma maior estabilidade no segundo cenário, a análise dos resultados evidencia a influência do ajuste do ganho do EKF na precisão do mapa gerado, mostrando que a fusão de dados sensoriais pode reduzir a incerteza da posição do robô e melhorar a representação do ambiente. Conclui-se que a integração entre técnicas de localização probabilística e sensores de baixo custo viabiliza, dado um certo refino, um mapeamento mais robusto e acessível para aplicações em robótica móvel.