Slučování map pro roje dronů

Abstract

V této práci představujeme implementaci slučování mřížkových map obsazenosti za použití metody založené na genetickém algoritmu. Tato metoda je schopna najít relativní pózy agentů iterativním vývojem populace relativních póz za použití fitness funkce vyhodnocující pózu každého jednotlivce. Metoda je aplikována na dvě datové sady. Aplikace metody ukazuje, že tento postup dokáže sloučit mapy s relativně velkým zašuměním a s počátečními pózami agentů vzdálených až 20 metrů. Se známými lokálními pózami agentů v jejich mapách a se společnou sloučenou mapou můžeme odhadnout relativní vzájemné pózy všech ostatních agentů. Dalším přínosem slučování map je možnost významně zredukovat čas potřebný k prozkoumání okolí použitím více agentů se sdílenou mapou najednou.

In this thesis, we present an implementation of a genetic-algorithm-based method for merging occupancy grid maps. This method finds the relative pose of agents by iteratively evolving a population of relative poses using a fitness function to evaluate each individual pose. We apply the method on two datasets, which shows that the approach can merge maps with relatively high noise and initial poses of agents being up to 20 meters apart. With known local poses of agents in their respective maps and with the common merged map, we can approximate the pose of agents relative to each other. Another benefit of the map merging is that we can significantly reduce the time needed for exploration tasks by using multiple agents with a shared map at once.