A ross node for processing images and providing robots with location capabilities

Este Proyecto Final de Grado tiene como objetivo desarrollar un algoritmo de autolocalización para robots basado en el procesamiento de imágenes. Se han analizado varios algoritmos a lo largo de este proyecto y finalmente, uno que combina dos de ellos, uno que procesa imágenes y otro que maneja distancias a obstáculos, ha sido seleccionado y desarrollado y desplegado en una prueba de concepto para verificar su factibilidad y su rendimiento. Brevemente, la aplicación que se ha desarrollado y probado en un entorno simulado primero permite que el robot reconozca en qué habitación se encuentra a través de imágenes que el robot toma. Una vez que determina la habitación en la que se encuentra, descarga el mapa correspondiente y determina su posición exacta en la habitación midiendo las distancias a los obstáculos. Las características de las imágenes se extraen con el algorithm Scale Invariant Feature Transform (SIFT) y se describen con un vector multidimensional altamente distintivo que hace que las características sean invariables con los cambios en la iluminación, la escala y el ruido. El uso de este algoritmo permitirá que el robot conozca la habitación en la que se encuentra. Posteriormente, el robot utilizará el algoritmo de Localización Adaptativa de Monte Carlo (AMCL) para finalizar la localización precisa. Al combinar SIFT y AMCL, la eficiencia del algoritmo de localización mejora mucho. Los algoritmos SIFT y AMCL se ejecutan en Robot Operating System (ROS) y el robot y su proceso de localización se simula en el simulador Gazebo. Además de eso, considerando la alta capacidad de procesamiento de datos de Matlab, los algoritmos y la aplicación final se han desarrollado utilizando Matlab, que proporciona una biblioteca basada en ROS para controlar el robot utilizando Gazebo y procesar datos de ROS. De acuerdo con los resultados en el capítulo posterior, tanto la localización local como la global se logran con éxito con estos algoritmos. Abstract: This degree project aims to carry out self-localization algorithm based on image processing for robots. Several algorithms have been reviewed along this project and finally, one combining two of them, one processing images and other one managing distances to obstacles, has been selected and carried out and deployed in a proof-of-concept to check its feasibility and its performance. Briefly, the application that has been developed and tested in a simulated environment first lets the robot recognize in which room it is by taking pictures. Once it determines the room it is in, it downloads the corresponding map and determines its exact position in the room by measuring distances to obstacles. The features of images are extracted with Scale Invariant Feature Transform (SIFT) and described with highly distinctive multi-dimensional vector making features invariant to changes in illumination, scale and noise. The use of this algorithm will let the robot know the room it is in. Afterwards, the robot will use Adaptive Monte Carlo Localization (AMCL) to finish accurate localization. By combining SIFT and AMCL, the efficiency of localization algorithm improves a lot. The SIFT and AMCL algorithms are run on Robot Operating System (ROS) and the robot and its localization process is simulated in simulator Gazebo. Apart from that, considering the powering data processing capability of Matlab, the algorithms and the final application have been developed using Matlab, that provides a ROS based library to control the robot using Gazebo and process data from ROS. According to the results in later chapter, both local and global localization are successful accomplished with these algorithms