ANVM-Virtual Mapping

Abstract

El mapeado y la localización en interiores han sido un problema, en su mayor parte,no resuelto. Las técnicas actuales utilizan escáneres láser 3D (LIDAR) y posicionamiento mediante ondas de radio. Sin embargo, uno de los principales inconvenientes que tienen estas técnicas es el empleo de equipos muy costosos que requieren mucho tiempo para su despliegue y utilización. En este proyecto se presenta una solución tanto hardware como software: ANVM. Proporciona un dispositivo de mapeado económico y preciso, software para la edición de mapas y una aplicación para smartphones basada en Android. Nuestro dispositivo para realizar el escáner está compuesto por un Microsoft Kinect, un microprocesador Arduino Uno y una plataforma móvil personalizada que utiliza codificadores rotatorios digitales para llevar un seguimiento de la posición. Combinando los datos provenientes de la nube de puntos del Kinect y la información de la posición podemos virtualizar espacios interiores utilizando el algoritmo Rao-Blackwellized Particle Filter SLAM. Tras muchas y exhaustivas pruebas, hemos conseguido buenos resultados y alcanzado nuestro objetivo de crear un dispositivo de mapeado a un coste muy reducido. [ABSTRACT] Indoor localization and mapping has been a largely unresolved problem. Current stateof-the-art approaches use 3D laser scanning (LIDAR) and radio wave positioning. A major drawback is they require very expensive equipment and are time consuming to set up. We present a complete software and hardware solution: ANVM (Augmented Navigation & Virtual Mapping). Providing an inexpensive but accurate mapping device,map editing software and a smartphone application based on Android. Our scanner device is comprised by a Microsoft Kinect, an onboard Arduino Uno microprocessor and a custom mobile platform which utilizes digital encoders for position tracking. Combining the Kinect point cloud data and position information we are able to virtualize indoor environments utilising the Rao-Blackwellized Particle Filter SLAM technique. Through extensive experiments, we have achieved good results succeeding in our goal to create an inexpensive mapping device.