Algoritmos de ajuste de linha ponderados para a construção de mapas de robôs móveis e representação eficiente de dados

Este artigo apresenta um algoritmo para encontrar o mapa baseado em linhas que melhor se ajusta a conjuntos de dados de varredura em duas dimensões. Para construir o mapa, primeiro fornecemos um meio preciso de ajustar um segmento de linha a um conjunto de pontos incertos por meio do formalismo de máxima verossimilhança. Este esquema pondera a influência de cada ponto no ajuste de acordo com sua incerteza, que é derivada de modelos de ruído de sensores. Também fornecemos fórmulas em forma fechada para a covariância do ajuste da linha, juntamente com métodos para transformar coordenadas de linha e covariâncias entre as poses do robô. Um critério baseado em qui-quadrado para "unir" linhas suficientemente semelhantes pode ser usado para fundir linhas diretamente (como demonstramos) ou como parte do framework para uma implementação de SLAM baseado em linha. Experimentos utilizando um scanner a laser Sick LMS-200 e um robô móvel Nomad 200 ilustram a eficácia do algoritmo.