Modelado estocástico de un sonar rotativo: un caso orientado a la construcción probabilística de mapas de hitos puntuales.

Ultrasonic sensing is a well suited cost-benefit technique used in mobile robotics. Nevertheless, this sensor type has a key drawback: its very Wide beam. This fact causes that this sensor becomes useless in the environment map building process. Another problem attached with this sensor is that it offers very little facilities for landmark extraction and object recognition. This problem is known as Matching. In this paper we introduce an ultrasonic sensor capable to extract wall or corner from an indoor environment, as well as to reduce the angle uncertainty, on the based of echo amplitude reaching the transducer. Moreover, we developed the stochastic model for this sensor as well as a matching algorithm for using this device as main observation element for probabilistic SLAM (Simultaneous Localization And Mapping).La medición mediante sensores de ultrasonido en uno de los métodos más utilizados en robótica móvil por su relación costo-efectividad. Sin embargo, estos sensores tienen una desventaja importante: su amplio ancho de haz. Esto lo hace poco útil en el proceso de construcción de mapas y extracción de características del entorno. Asimismo, otro problema asociado a este sensor es el e la poca facilidad que este sensor ofrece al momento de identificar inequívocamente los objetos del entorno. Esto se conoce como el problema de Correspondencia o Matching. En este trabajo se presenta un sensor de ultrasonidos rotativo que se basa en la amplitud del eco recibido para distinguir si se trata de un reflector tipo pared o tipo esquina, y que además es capaz de reducir la incertidumbre angular a valores alrededor de los 2 grados. Asimismo, se desarrolla el modelo estocástico de este sensor y también una estrategia de análisis de correspondencia, que permiten usar al sensor propuesto como elemento principal de observación en procesos de localización y construcción robabilística de mapas de entorno (SLAM)