This project consists of aid an existing SLAM system by developing and implementing a motion estimator based on the Inertial measurements of a VI-sensor in the SLAM pipeline. This entire project has been carried out at “La Sapienza-Università di Roma” under the supervision of the PhD student Ciro Potena and professor Daniele Nardi. The project has consisted first on the development of an Inertial estimator, the evaluation of its accuracy and later the software implementation integrating the Inertial motion estimation into the feature tracking of the system to enhance its performance. The first chapter of the project is an introduction of what SLAM is. The second chapter explains the theoretical approach used to carry out the project. The third chapter explains all the modified code in the existing SLAM algorithm needed to make the system work with the IMU estimation and the results of all the experiments. First testing the IMU estimator and later testing the SLAM algorithm fused with the IMU estimators. Finally, in the fifth chapter, we explained the conclusions we got from the results of the experiments. All the developed software needed to integrate the IMU integration system in the SLAM pipeline has been coded in C++. We worked with the Robotic Operating System to interface with sensors, and to record datasets. For the analysis of the obtained results, we used the open-source dataset EuRoc. We used the Version-Control system GIT to store the developed code and to track the changes in the source code. The IMU estimator source code can be found on: “ https://gitlab.com/Carlos_IbCu/imu_project.git ” And the ProSlam algorithm can be found on: “ https://gitlab.com/Carlos_IbCu/srrg_proslam.git

Este proyecto consiste en la mejora de un Sistema SLAM ya existente mediante el desarrollo e implementación de un estimador del movimiento basado en las medidas inerciales de un VI-sensor. El proyecto se ha llevado a cabo en “La Sapienza-Università di Roma” bajo la supervisión del estudiante de doctorado Ciro Potena y del profesor Daniele Nardi. Las tareas llevadas a cabo constan del desarrollo de un estimador inercial, del análisis de este estimador y de la posterior implementación de este software integrando las estimaciones inerciales en el módulo de ‘feature tracking’ del algoritmo ProSlam para mejorar su rendimiento. El primer capítulo es una breve introducción sobre que es SLAM. El segundo capítulo explica los aspectos teóricos empleados en este proyecto. El tercer capítulo consta de como se ha implementado el estimador inercial en el sistema SLAM y de los resultados obtenidos. Primero evaluando el estimador inercial y seguidamente estudiando el rendimiento del algoritmo SLAM mientras usa las estimaciones de nuestro estimador inercial. Por ultimo en el quinto capítulo explicamos las conclusiones a las que hemos llegado tras el análisis de los resultados. Todo el código desarrollado necesario para integrar el sistema de estimación inercial en el tracking module del algoritmo SLAM ha sido codificado en C++. Usamos el sistema operativo robótico (ROS) como medio para interactuar con los sensores y para guardar sus mediciones. Para el análisis de los resultados obtenidos usamos sets de datos públicos EuRoC. Para la gestión de almacenado y registro de los cambios en el código fuente usamos el sistema de control de versiones GIT. El código del estimador inercial puede ser encontrado en: “ https://gitlab.com/Carlos_IbCu/imu_project.git ” El código en el que se basa el proyecto puede ser encontrado en: “ https://gitlab.com/Carlos_IbCu/srrg_proslam.git “

Outgoing