Algoritmo de procesamiento de imágenes para navegación autónoma de un robot móvil usando técnicas de localización y mapeo simultáneo

Abstract

RESUMEN: En esta tesis se presenta un algoritmo de procesamiento de imágenes para estimación de pose de una cámara monocular. El sistema está basado en un algoritmo detector de características locales de imagen, comparación de plantillas y optimización por medio de enjambre de partículas. Cuando se observan dos imágenes de una escena, se realiza la detección de puntos característicos en ambas imágenes, estos puntos son asociados para generar una matriz de puntos característicos. De la matriz generada, se selecciona con una distribución uniforme dos puntos para generar puntos de referencia. Posteriormente para cada punto de referencia, se construye un filtro de correlación. La imagen de entrada es transformada geométricamente a través de una matriz de homografía, seguido a esto estas imágenes transformadas son correlacionadas con el filtro construido, cada operación de correlación entrega un plano de correlación el cual es usado como valor de la función objetivo. Las transformaciones geométricas son propuestas por medio de partículas las cuales contienen los parámetros necesarios para construir una matriz de homografía, las partículas convergen a los valores con mejor valor en la función objetivo. El rendimiento del algoritmo se presenta en términos del error cuadrático promedio y se realiza una comparativa con la estimación de la matriz de homografía basada en algoritmo RANSAC. ABSTRACT: An image processing algorithm to monocular camera pose estimation is presented. The algorithm is based on local feature detector, template matching and particle swarm optimization. When a couple scene frames are captured, keypoint association is used to find correspondence and a two of them are used to build a correlation filter. The input image is transform with a homography matrix, the transformation image is correlated with correlation filter. The homography matrix are proposed by swarm particles, where each particle is a candidate solution, during each generation the proposed solution converge to best function cost. The function cost use the correlation plane to generate the value of discrimination capability. The algorithm is compared with homography estimation based on RANSAC.