Titolo della tesi: Direct Error Formulation for Real-Time SLAM Applications Across Diverse Sensors
Questa tesi studia metodi di minimizzazione diretta dell'errore per la localizzazione e la mappatura simultanea (SLAM) in tempo reale, un problema fondamentale nella robotica e nei sistemi autonomi. Lo SLAM consente ai sistemi dotati di sensori di costruire rappresentazioni di ambienti sconosciuti e contemporaneamente di stimare la propria posa, basandosi esclusivamente sui dati sensoriali di bordo. Gli approcci SLAM tradizionali dipendono spesso dall'associazione esplicita dei dati e da tecniche di ottimizzazione indiretta; al contrario, i metodi diretti ottimizzano le funzioni di errore definite direttamente sulle misure dei sensori, migliorando la robustezza e la versatilità tra le varie modalità di sensori.
La nostra ricerca inizia con la formulazione di una pipeline di minimizzazione diretta degli errori per LiDAR, realizzata nel framework MD-SLAM. Questo approccio evidenzia il vantaggio principale dei metodi diretti, ossia l'assenza di associazione esplicita dei dati, e la sua struttura modulare consente un adattamento semplice a ulteriori tipi di sensori, come le telecamere RGB-D. Per supportare ulteriormente lo sviluppo e il benchmarking degli algoritmi di stima dello stato, presentiamo un nuovo set di dati con verità a terra di alta precisione derivata da una pipeline di fusione di sensori che combina misure GNSS-inerziali con l'ottimizzazione LiDAR multi-vista. In questo contesto, il problema di ottimizzazione LiDAR minimizza una funzione di errore composita, che integra termini geometrici e fotometrici (diretti). L'uso dell'interpolazione bilineare nella funzione di proiezione consente un'accuratezza sub-pixel nel processo di allineamento.
Espandendo questo paradigma ai sensori radar, formalizziamo un approccio diretto all'odometria radar basato sulla massimizzazione della correlazione tra una mappa locale e le scansioni radar in arrivo per la stima dell'ego-motion. Mentre il campo dell'odometria radar è stato storicamente dominato dagli approcci indiretti, considerati più veloci e più adatti al funzionamento in tempo reale, il nostro lavoro dimostra che i metodi diretti possono raggiungere prestazioni competitive se dotati di un'implementazione parallelizzata su GPU. Ciò consente di operare in tempo reale senza sacrificare l'accuratezza e la versatilità insite negli approcci diretti, stabilendo un nuovo stato dell'arte nell'odometria radar.
Nel complesso, questa tesi dimostra che la formulazione diretta degli errori è una struttura potente e adattabile per lo SLAM in diverse modalità di rilevamento, che offre progressi in termini di accuratezza, versatilità e robustezza e che, se accelerata con il calcolo su GPU, può raggiungere la capacità in tempo reale.