The odometry is the processing of information of motion sensors to determine a robot’s position. The odometry provides real-time information about the kinematics of the robot; so it is used in most practical aplications in robotics. However this method is sensitive to errors; in differential-drive mobile robots, these errors have two dominant error sources: uncertainty about the effective wheelbase and unequal wheel diameters. These errors stay almost constant over prolonged periods of time. The odometry calibration consists of the identification of a set of kinematic parameters (wheelbase or wheel diameters, for example) that allow to determine the vehicle’s position with the information of motion sensors; when the robot is calibrated increase the robot’s odometric accuracy. This thesis analyzes two methods for odometry calibration of differential-drive mobile robots, the method proposed by Antonelli et al in [Antonelli05] and the method proposed by Papadopolous and Misailis in [Papadopolous07]. The first step in both methods is linearize the kinematic equations; then it can be applied the least-squares method to estimate kinematic parameters. To estimate kinematic parameters by the least square method is necessary a set of measurements of the robot’s localization. To obtain this set of meaurements is proposed a full SLAM method called incremental smooth and mapping. This method is proposed by Kaess and Dellaert in [Kaess08]; this method is used because even with bad odometry information is possible to obtain a good estimate of localization.
La odometría es el procesamiento de la información de los sensores de los sensores del robot para determinar su posición. La odometría provee en tiempo real información cinemática del robot; así que es implementada en muchas aplicaciones prácticas en la robótica. Sin embargo este método es susceptible a errores; en los robots de locomoción diferencial, existen dos fuentes principales de error: la incertidumbre de la dimensión efectiva del diámetro de la base del robot y la diferencia en el tamaño en los radios en las llantas del robot. Estos errores permanecen casi constantes a lo largo de periodos de tiempo prolongados. La calibración odométrica consiste en identificar el conjunto de parámetros odométricos (como el radio de la base del robot o el radio de las llantas) que permiten determinar la posición del robot a partir de la información de los sensores del robot; cuando los robots son calibrados se incrementa la precisión odométrica. En la presente tesis se analizan dos métodos para la calibración de robots de locomoción diferencial, el método propuesto por Antonelli et al. en [Antonelli05] y el método propuesto por Papadopolou y Misailis [Papadopolous07]. En ambos métodos se linealiza la ecuación cinemática del robot, se aplica el método de mínimos cuadrados para estimar los parámetros odométricos. Para estimar los parámetros odométricos por medio del método de mínimos cuadrados es necesario obtener un conjunto de mediciones de la localización del robot. Para obtener estas mediciones se propone un método de SLAM completo llamado suavizado y cartografía incremental. Esta técnica es propuesta por Kaess y Dellaert en [Kaess08]; se emplea esta técnica ya que aun teniendo información odométrica relativamente mala, se puede obtener una buena estimación de la localización.
