Scholar Profile
Publons Profile
Ricerca
Human localization and mapping
Scegliamo di utilizzare un laser scanner (in combinazione con una Inertial Measurement Unit, o IMU, costituita da accelerometri e giroscopi) per realizzare un’applicazione di generazione di mappe e auto-localizzazione basata su sensori indossabili. La limitazione legata al fatto che le misure sono rilevate sul piano di scansione può essere in questo caso mitigata dall’assunzione che gli ostacoli rilevanti (tali cioè da impedire il movimento) siano quelli visibili a un’altezza fissata, ad esempio all’altezza della testa. D’altro canto, l’affidabilità della misura è cruciale per la realizzazione di buone mappe anche in ambienti complessi, così come è importante non aver bisogno di rielaborare i dati forniti dal sensore per estrarre informazioni di interesse, per poter ridurre il carico computazionale.
Per la generazione di mappe e l’auto-localizzazione viene utilizzato (e adattato) un algoritmo di SLAM, tecnologia normalmente utilizzata in robotica mobile. Per quanto riguarda l’adattamento dell’algoritmo di SLAM, è necessario tenere conto dei movimenti del collo per correggere opportunamente le misure rilevate dal laser scanner e ridurre il problema di drift associato all’utilizzo della IMU. A tale scopo viene proposta una tecnica di filtraggio dei dati per mezzo di un Extended Kalman Filter (EKF), basata su euristiche e ipotesi operative.
Paper di riferimento: Human navigation and mapping with a 6DOF IMU and a laser scanner, Marco Baglietto, Antonio Sgorbissa, Damiano Verda, Renato Zaccaria Robotics And Autonomous Systems (RAS), December 2011
