Design of SLAM strategies and technologies in structured and complex environments

The research activity has been focused on the study and design of a framework for visual SLAM strategies and technologies, to be applied in robotic systems working in partially structured and complex environments. The framework aims at processing the information coming from the mechatronic subsystems in order to obtain the map of the scene at each instant. In a SLAM problem, in fact, a mobile robot tries to build a map of the environment while simultaneously use it to localize itself. The map can be represented in different ways depending on the sensors used, on the characteristics of the environment and on the estimation algorithm. Studies about implementation aspects of the SLAM problem in literature have been firstly conducted, in order to properly characterize the entire framework. Innovative contributions rely on the fact that the proposed framework could have impact on various target groups: it is not designed for a specifically application, but it can be adapted to various scenarios and working environment. Additional contributions consisted in the intensive adoption of a Computer vision and 3D imaging approach to process and elaborate the sensors information into a useful 3D model. The combination and fusion of many sensors is introduced to exploit the complementarity of each one and increase the accuracy of the 3D model. The framework subsystems have been customized for its validation in two different environments: two real industrial processes and two real underwater applications have been used as testing situations. In each scenario the number and the type of sensors chosen are different, accordingly to the tasks that the specific robotic system has to perform. Each situation is characterized by a different robotic system and the results have been discussed.

L’attività di ricerca ha riguardato lo studio e la progettazione di un framework intorno alle strategie e alle tecnologie del Visual SLAM, per essere applicato sia in sistemi robotici in ambienti parzialmente strutturati che in quelli complessi. Il framework ha l’obiettivo di processare le informazioni provenienti dai sottosistemi meccatronici di cui è costituito in modo da ottenere la mappa della scena in ogni istante. In un problema di SLAM, infatti, un robot mobile cerca di costruire la mappa dell’ambiente in cui si muove ed usarla per localizzare se stesso. La mappa può essere rappresentata in diversi modi in base ai sensori utilizzati, alle caratteristiche dell’ambiente e agli algoritmi di stima impiegati. Sono stati inizialmente condotti studi riguardo gli aspetti implementativi del problema dello SLAM affrontati in letteratura con lo scopo di caratterizzare il framework in maniera appropriata. Contributi innovativi di questa ricerca hanno riguardato il fatto che il framework proposto può avere un impatto su differenti gruppi di end-users: non è stato progettato per un’applicazione specifica, ma può essere adattato a vari scenari e diversi ambienti di lavoro. Altri contributi sono costituiti da un uso intensivo di tecniche di Computer Vision e 3D Imaging per processare ed elaborare le informazioni provenienti dai sensori in un efficiente modello 3D. La combinazione e la fusione di più sensori sono utilizzate per sfruttare le complementarietà di ognuno e aumentare così l’accuratezza del modello 3D. I sottosistemi del framework sono stato poi personalizzati per la validazione in due ambienti diversi: due processi industriali reali e due applicazioni subacquee sono state utilizzate come situazioni di test. In ogni scenario il numero e il tipo dei sensori scelti sono differenti in base ai compiti che lo specifico sistema robotico deve compiere. Ogni situazione, infatti, è caratterizzata da un diverso sistema robotico e i risultati ottenuti sono stati discussi.