Advances in Indoor Semantic Mapping for Mobile Robotics

Abstract

Para que los robots móviles operen de forma autónoma en entornos reales y complejos, es indispensable que sean capaces de interpretar información de alto nivel sobre su entorno. Este tipo de información va más allá de la meramente geométrica, permitiendo reconocer y categorizar elementos de la escena (como por ejemplo, objetos o lugares) y asociarlos con sus funcionalidades. Adquirir esta comprensión es crucial para permitirles interactuar y tomar decisiones de forma análoga a como lo hacemos los humanos. Dotar a los robots de esta capacidad interpretativa exige representaciones internas que integren tanto la geometría del entorno como su significado asociado. Esta tesis avanza en la creación de mapas semánticos, una representación interna que permite a los robots vincular información geométrica con conocimiento semántico de alto nivel. Estos mapas posibilitan que un robot asocie elementos del entorno con sus atributos, funcionalidades y relaciones, facilitando un razonamiento más avanzado. Para lograrlo, se abordan tres retos principales: (i) la categorización semántica de lugares mediante un mecanismo de atención activa que optimiza la observación del entorno; (ii) la reconstrucción estructural 3D en tiempo real basada en planos; y (iii) la creación de mapas semánticos orientados a objetos, proponiendo dos métodos que abordan algunas de las limitaciones presentes actualmente en la creación de mapas semánticos basados en instancias. Adicionalmente, se presenta y aborda por primera vez el problema de la localización visual con detectores heterogéneos. Se propone un método que explota información estructural derivada de los mapas semánticos para imponer restricciones de coplanaridad, guiando eficazmente el emparejamiento de características extraídas por detectores heterogéneos.