Estimação em tempo real de posição e orientação de câmeras inteligentes

Abstract

Com o advento de novas tecnologias, surge a necessidade de estimar a posição e orientação no espaço de um agente, em condições e locais adversos, como a exploração em solo marciano por rovers e o uso de VANTs bélicos em áreas de conflito. Neste cenário, umas das técnicas mais utilizadas é o uso de câmeras e sensores inerciais. As câmeras fazem parte do sistema de localização baseado em visão computacional, conhecido como odometria visual. Através desse sistema é possível estimar a pose do agente através das mudanças visuais decorridas do movimento, como a intensidade dos pixels e o rastreamento de features. A odometria visual fornece a estimação da trajetória de forma acurada e com baixíssimos erros de posição, além de possibilitar o seu uso em terrenos irregulares e onde o serviço de GPS não é acessível. Todavia, há limitações como necessidade de iluminação no ambiente, cenas com textura e taxa de amostragem limitada. Por outro lado, sensores inerciais como, giroscópios, acelerômetros, e magnetômetros, geralmente integrantes de uma IMU, possibilitam a estimação da posição e orientação do agente com precisão, através da medição da velocidade angular, aceleração, e intensidade do campo magnético terrestre. Tal processo é conhecido como odometria inercial. Diferentemente das câmeras, a IMU não depende das cenas do ambiente e demais características, além de possuir alta taxa de amostragem. Apesar do processo de estimação através dos sensores inerciais ser bastante preciso, existe um acúmulo de erro bastante significativo, não sendo tão confiável para trajetórias longas. Como ambos os processos possuem características complementares, é possível integrá-los em uma única solução, para obter um processo robusto e preciso de estimação. Nesse contexto, este projeto consiste em implementar ambos os algoritmos de odometria visual e odometria inercial em uma plataforma híbrida para a estimação da posição e orientação do agente em tempo real. É realizado um amplo estudo dos principais algoritmos, implementação e teste dos algoritmos mais adequados e análise da influência das condições de teste e fatores internos e externos nos resultados. Além disso, é proposto um estudo de fusão de dados, que mescla ambas as vantagens da câmera e da IMU, para estimar a posição e orientação de um agente com acurácia e erros reduzidos, processo conhecido como odometria visual e inercial.