Reconstrucción dinámica en V-SLAM basado en segmentación de zonas de puntos de alta variabilidad

Abstract

El desarrollo de vehículos autónomos es un tema crucial en este siglo, lo que ha impulsado la investigación en diversas áreas, incluyendo los sistemas de localización y mapeo simultáneo (SLAM). Dentro de los avances en esta área, se destaca el Visual SLAM, que utiliza técnicas de visión artificial para capturar información del entorno, reconstruir escenas y crear mapas 3D. Esta tecnología emergente tiene un gran potencial y está en constante evolución. No obstante, todavía existen desafíos por superar, como el diseño de sistemas de bajo peso computacional que permitan la ejecución en línea, y su inclusión en sistemas autónomos. Esta investigación tiene como objetivo “Proponer un algoritmo soportado en un sensor RGB-D para la segmentación dinámica de objetos en movimiento para escenas en interiores”, para lograr este objetivo se ha desarrollado una metodología eficaz qué logra reconstruir escenas en 3D. En primer lugar, se procesan los datos de una cámara RGB-D. A continuación, se aplica un algoritmo especializado para convertir estos datos en una representación simulada de LIDAR. Luego, se fusionan los datos de los sensores (RGB-D, LIDAR virtual) para detectar y eliminar objetos dinámicos, y se concatena las nubes de puntos para reconstruir la escena. Este proceso, llamado Rec-HV, es de baja complejidad computacional y se puede utilizar en tiempo real. Además, se ha implementado un método para medir la correlación entre dos escenas. La metodología se ha evaluado en diferentes escenas y ha demostrado ser eficiente incluso ante la presencia de objetos en movimiento.