Estimativa de layout de sala a partir de exploração onidimensional rápida

Uma nova geração de robôs internos práticos e de baixo custo está agora utilizando câmeras grande angulares para auxiliar na navegação, mas geralmente isso se limita à estimativa de posição via SLAM baseado em características esparsas. Esses robôs geralmente têm pouca noção global das dimensões, demarcação ou identidades das salas em que estão, informações que seriam muito úteis para permitir comportamentos com inteligência em um nível muito mais elevado. Neste artigo, mostramos que podemos aumentar um pipeline SLAM onidimensional com estimativas estéreo densas e fitting de modelos de sala simples e robustos para obter uma estimativa rápida e confiável da forma global de salas típicas a partir de movimentos curtos do robô. Testamos nosso método extensivamente em casas, escritórios reais e em dados sintéticos. Também fornecemos exemplos de como nosso método pode se estender para criar mapas compostos de salas maiores e detectar transições de sala.