• amcl
• filtro a particelle
• lidar
• localization
• localizzazione
• particle filter
• ultra-wide-band

L'obbiettivo della presente tesi è quello di risolvere il problema di localizzazione globale robusta di veicoli autonomi utilizzando misure LiDAR ed Ultra-Wide-Band (UWB). In particolare, partendo dall'algoritmo AMCL (Adaptive Monte Carlo Localization) che utilizza il filtro a particelle si è deciso di estenderne le funzionalità per poter pesare le particelle del filtro (ipotesi di stato) non solo con informazioni derivanti dal sensore LiDAR ma anche con quelle ottenute dall'UWB per una localizzazione robusta indoor in ambito industriale o magari usare la stessa implementazione con un sensore GPS al posto dell'UWB per localizzazione in esterno. In questo modo anche con un eventuale non disponibilità, malfunzionamento o oscuramento del sensore LiDAR la localizzazione avverrà con successo. Per gli esperimenti è stato utilizzato il software Ros, il robot mobile Turtlebot3 Burger (dotato di LiDAR) e il sistema UWB Pozyx. Inoltre, avendo a disposizione più sensori, si è deciso di modificare nell'algoritmo il processo di ricampionamento del filtro per poterlo fare avvenire in condizioni statiche (quando il robot è fermo) e il meccanismo di recovery per poter iniettare campioni nel set di particelle non in maniera casuale ma sfruttando le misure UWB. I test sono stati effettuati nel laboratorio di robotica del dipartimento facendo compiere diverse traiettorie al robot e risolvendo con successo il problema di localizzazione globale e il problema del “rapimento” (kidnapped) del robot per testarne la robustezza. In ultimo si è testato il sistema utilizzando misure di range UWB con disponibilità variabile in funzione della distanza tra robot e ancore per simulare ambienti di grandi dimensioni (ad esempio ambienti industriali) dove non sempre tutte le misure di range sono disponibili.