Test and Evaluation of the FastSLAM Algorithmin a Mobile Robot

This work presents the test and assessment of the FastSLAM method, an algorithm to solve the SLAM problem. The SLAM (Simultaneous Localization And Mapping) problem is that of acquiring an enviroment map with a roving robot, while simultaneously localizing the robot relative to this map. FastSLAM [93] is one of the most modern approaches to the SLAM problem that is based on particle filtering, showing several advantages over classical methods based on Kalman Filters (KF). Using a clever factorization of the SLAM problem, the complexity of the FastSLAM method is linear, or even logarithmic, with the number of features in the environment, where the com- plexity of KF-based methods is exponential. Moreover, the method is robust, since it can recover from wrong data associations, a problem that causes KF-based methods to diverge. A testbed of different environments has been defined to evaluate the per- formance and results of FastSLAM. With a proper configuration [38], ex- periments have been done in both simulated and real environments using a mobile robot equipped with a range laser sensor. In both cases we analyze the applicability of the method to build sufficiently accurate maps in real time. This document also provides a profuse literature review of SLAM methods and their ramifications in Robotics. We introduce the theoretical and math- ematical foundations, to later describe contemporary approaches to solve the SLAM problem. The results and conclusions obtained are equivalent to those described by the authors of the method, hightlighting its applicability for real office-like environments operating in real time. Resumen En el presente trabajo se prueba y evalua el metodo FastSLAM, un algoritmo para resolver el problema de SLAM. El problema de SLAM (Simultaneous Localization And Mapping) consiste en construir un mapa del entorno en el que se mueve un robot, localizando al mismo tiempo al robot dentro del mapa que se esta construyendo. FastSLAM es una de las ultimas aportaciones dentro del ambito de inves- tigacion de SLAM [93]. Haciendo uso de ciertas propiedades del problema, se consigue factorizarlo de modo que la complejidad del metodo es lineal, o incluso logaŕitmica, con respecto al numero de caracteŕisticas detectadas en el entorno, frente a la complejidad exponencial de otros metodos basados en filtros de Kalman. Ademas, el metodo es robusto, siendo capaz de recu- perarse frente a asociaciones de datos incorrectas, un hecho que provoca la divergencia de los metodos basados en filtros de Kalman. Se han definido varios entornos de prueba con la finalidad de evaluar el fun- cionamiento y los resultados del algoritmo FastSLAM. Partiendo de una con- figuracion adecuada del algoritmo [38], se han realizado experimentos tanto simulados como en entornos reales con un robot movil equipado con un sensor de rango laser. En ambos casos se analiza la aplicabilidad del metodo para construir mapas suficientemente precisos en tiempo real. Este documento tambien aporta una profusa revision bibliografica de los metodos de SLAM y sus ramificaciones dentro del campo de la Robotica. Se introducen los fundamentos teoricos y la base matematica, para poste- rioremente describir las tecnicas mas modernas empleadas para resolver el problema de SLAM. Los resultados y conclusiones obtenidos son equivalentes a los expuestos por los autores del metodo, pudiendo constatarse la aplicabil- idad del metodo en entornos de oficina reales operando en tiempo real.