ALGORITMO ODOMÉTRICO LOAM INNOVADO DESDE C++ SIN ROBOT OPERATIVE SYSTEM
DOI:
https://doi.org/10.56124/encriptar.v7i14.006%20Palabras clave:
odometría, algoritmo LOAM, robot móvilResumen
La odometría desempeña un papel crucial en la estimación de la posición relativa de un robot móvil, lo que motiva este artículo a implementar el método utilizado en el algoritmo LOAM, desarrollado dentro del marco de ROS (Robot Operating System). El enfoque de este trabajo se centra en el análisis del algoritmo LOAM y su posterior implementación en C++ sin la dependencia de ROS, empleando bibliotecas como PCL (Point Cloud Library), Eigen 3.0, y algunas funcionalidades adaptadas para su uso en C++, como ROS::tf. Para llevar a cabo el análisis del algoritmo LOAM, se aplicó un proceso de ingeniería inversa y se revisó la literatura existente, basándose en los artículos publicados por los autores del algoritmo mencionado anteriormente. Asimismo, se examinaron los métodos de Visual SLAM (Simultaneous Localization and Mapping) con el fin de compararlos y proponer posibles mejoras y observaciones en el algoritmo estudiado y posteriormente implementado. Se demostró que el algoritmo LOAM presenta una mayor eficiencia en tramos rectos en comparación con las curvas, debido a la ausencia de un sensor de medida inercial que sea capaz de compensar la rotación del láser en las curvas. Por lo tanto, se recomienda realizar un análisis segmentado en escenarios con diversos tipos de recorridos para mejorar los resultados y reducir el error total del experimento.
Descargas
Citas
Eigen. (2016). Eigen is a C++ Template Library for Linear Algebra: Matrices, Vectors, Numerical Solvers, and Related Algorithms. http://eigen.tuxfamily.org/index.php?title=Main_Page
PCL. (2023). About. What is PCL. https://pointclouds.org/about/
Pinargote, V. (2017). Implementación del algoritmo de odometría LOAM con C++ en Linux [Tesis de Maestría, Universidad Politécnica de Madrid]. https://oa.upm.es/48115/3/TFM_VICTOR_PINARGOTE_BRAVO.pdf
PUCK. (2023). PUCK ™ (VLP-16). http://velodynelidar.com/vlp-16.html
ROS (Robot Operating System). (2021). About ROS. https://www.ros.org/
Tombari, F. (2013). Keypoints and Features for 2D/3D Image Processing and Recognition [Archivo PDF]. https://courses.cs.washington.edu/courses/cse455/09wi/Lects/lect6.pdf
Zhang, J. y Singh, S. (2014). LOAM: Lidar Odometry and Mapping in Realtime. Robotics: Science and Systems Conference (RSS), p. 9. https://www.ri.cmu.edu/pub_files/2014/7/Ji_LidarMapping_RSS2014_v8.pdf
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Revista Científica de Informática ENCRIPTAR - ISSN: 2737-6389.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.