{"status":"ok","message-type":"work","message-version":"1.0.0","message":{"institution":[{"id":[{"id":"https:\/\/ror.org\/03mb6wj31","id-type":"ROR","asserted-by":"publisher"},{"id":"https:\/\/www.isni.org\/000000041937028X","id-type":"ISNI","asserted-by":"publisher"},{"id":"https:\/\/www.wikidata.org\/entity\/Q1640731","id-type":"wikidata","asserted-by":"publisher"}],"name":"Universitat Polit\u00e8cnica de Catalunya","acronym":["UPC"]}],"indexed":{"date-parts":[[2026,1,28]],"date-time":"2026-01-28T18:51:05Z","timestamp":1769626265740,"version":"3.49.0"},"reference-count":0,"publisher":"Universitat Polit\u00e8cnica de Catalunya","content-domain":{"domain":[],"crossmark-restriction":false},"short-container-title":[],"abstract":"Aquesta tesi tracta el problema de l'aprenentatge autom\u00e0tic d'entorns estructurats n rob\u00f2tica m\u00f2bil. Particularment, l'extracci\u00f3 de caracter\u00edstiques a partir dels senyals dels sensors, la construcci\u00f3 aut\u00f2noma de mapes, i l'autolocalitzaci\u00f3 de robots.<br\/>S'estudien els fonaments matem\u00e0tics necessaris per a l'extracci\u00f3 de caracter\u00edstiques a partir d'imatges i registres d'un l\u00e0ser, els quals permeten la identificaci\u00f3 un\u00edvoca dels elements de l'entorn. Els atributs extrets a partir del senyal d'un sol sensor poden ser insuficients quan es volen caracteritzar els elements de l'entorn de forma invariant; aix\u00f2 es pot millorar combinant informaci\u00f3 de m\u00faltiples fonts. Es presenta un nou algorisme per la fusi\u00f3 d'informaci\u00f3 complementaria extreta de dos m\u00f2duls de visi\u00f3 de baix nivell.<br\/>Aquesta fusi\u00f3 d'informaci\u00f3 produeix descripcions m\u00e9s completes dels objectes de l'entorn, els quals poden ser seguits i apresos dins el context de la rob\u00f2tica m\u00f2bil. Les variacions en les condicions d'il\u00b7luminaci\u00f3 i les oclusions fan que l'associaci\u00f3 de dades en visi\u00f3 per computador sigui una tasca dif\u00edcil de completar.<br\/>Tot i aix\u00f2, l'\u00fas de restriccions geom\u00e8triques i fotogram\u00e8triques permeten reduir la cerca de correspond\u00e8ncies entre imatges successives; i al centrar l'atenci\u00f3 en un redu\u00eft nombre de caracter\u00edstiques, aquestes poden ser seguides en imatges successives, simplificant aix\u00ed el problema d'associaci\u00f3 de dades. Es recalquen les t\u00e8cniques de la geometria de m\u00faltiples vistes que s\u00f3n rellevants pel c\u00f2mput d'una estimaci\u00f3 inicial de la posici\u00f3 dels elements de l'entorn, el que permet la reconstrucci\u00f3 del moviment del robot entre imatges successives; situaci\u00f3 desitjable quan no existeix odometria o quan las seves lectures s\u00f3n poc fiables.<br\/>Quan els elements de l'entorn s'han extret i identificat, la segona part del problema consisteix en utilitzar aquestes observacions tant per estimar la posici\u00f3 del robot, com per refinar l'estimaci\u00f3 dels mateixos elements de l'entorn. El moviment del robot i les lectures dels sensors es consideren com dos processos estoc\u00e0stics, i el problema es tracta des del punt de vista de la teoria d'estimaci\u00f3, on el soroll inherent als sensors i al moviment del robot es consideren com a seq\u00fc\u00e8ncies aleat\u00f2ries.<br\/>El principal inconvenient existent en l'\u00fas de t\u00e8cniques d'estimaci\u00f3 pel c\u00f2mput concurrent de la posici\u00f3 del robot i la construcci\u00f3 d'un mapa, \u00e9s que fins ara s'ha considerat la seva aplicaci\u00f3 \u00fanicament en entorns est\u00e0tics, i que el seu \u00fas en situacions m\u00e9s realistes ofereix poca robustesa. Es proposa un conjunt de funcions per avaluar la qualitat temporal de les observacions per tal de resoldre les situacions en que les observacions dels elements de l'entorn no siguin consistents en el temps. Es mostra com la utilitzaci\u00f3 d'aquestes proves de qualitat temporal conjuntament amb les proves de compatibilitat espacial milloren els resultats quan es fen servir amb un m\u00e8tode d'estimaci\u00f3 \u00f2ptima de la construcci\u00f3 concurrent de mapes i l'autolocalitzaci\u00f3 de robots.<br\/>La idea principal consisteix en emprar un hist\u00f2ric dels errors en l'associaci\u00f3 de les dades per calcular la possibilitat d'inc\u00f3rrer en nous errors d'associaci\u00f3; i excloure del mapa aquells elements dels quals les observacions no siguin consistents.<br\/>Es posa especial atenci\u00f3 en el fet que l'eliminaci\u00f3 dels elements inconsistents del mapa no violi les propietats dels algorismes de construcci\u00f3 concurrent de mapes i autolocalitzaci\u00f3 descrits en la literatura; \u00e9s a dir, converg\u00e8ncia assimpt\u00f2tica i correlaci\u00f3 completa.<br\/>Aquesta tesi proporciona tamb\u00e9 un profund an\u00e0lisi del model de construcci\u00f3 concurrent de mapes i autolocalitzaci\u00f3 totalment correlat des d'un punt de vista de la teoria de control de sistemes. Partint del fet que el filtre de Kalman no \u00e9s m\u00e9s que un estimador \u00f2ptim, s'analitzen les implicacions de tenir un vector d'estats que es revisa a partir de mesures totalment correladas.<br\/>Es revela de manera te\u00f2rica i amb experiments les limitacions d'utilitzar un enfocament per la construcci\u00f3 concurrent de mapes i l'autolocalitzaci\u00f3 a partir de mesures totalment correladas.<br\/>El fet de tenir un model parcialment observable inhibeix la reconstrucci\u00f3 total de l'espai d'estats, produint tant mateix una estimaci\u00f3 de la posici\u00f3 dels elements de l'entorn que dep\u00e8n en tot cas de les observacions inicials, i que no garanteix la converg\u00e8ncia a una matriu de covari\u00e0ncia definida positivament.<br\/>D'altra banda, el fet de tenir un vector d'estats parcialment controlable fa que, despr\u00e8s d'un redu\u00eft nombre d'iteracions el filtre cregui tenir una estimaci\u00f3 perfecta de l'estat dels elements de l'entorn; amb els corresponents guanys de Kalman convergint a zero. Per tant, despr\u00e8s d'un redu\u00eft nombre d'iteracions del filtre, els innovacions no s'utilitzen m\u00e9s. Es mostra com reduir els efectes de la correlaci\u00f3 total i de la controlabilitat parcial. A m\u00e9s a m\u00e9s, suposant que el filtre de Kalman \u00e9s un observador \u00f2ptim per a la reconstrucci\u00f3 dels estats, \u00e9s pertinent construir un regulador \u00f2ptim que permeti conduir el robot el m\u00e9s a prop possible a una traject\u00f2ria desitjada durant la construcci\u00f3 d'un mapa. Es mostra com la dualitat existent entre l'observabilitat i la controlabilitat es pot fer servir en el disseny d'aquest regulador \u00f2ptim.<br\/>Qualsevol algorisme de construcci\u00f3 concurrent de mapes i autolocalitzaci\u00f3 de robots m\u00f2bils que s'ha d'usar en un entorn real ha de ser capa\u00e7 de relacionar les observacions i els seus corresponents elements del mapa de manera expedita. Algunes de les proves de compatibilitat de les observacions s\u00f3n costoses des del punt de vista de la seva complexitat computacional, i la seva aplicaci\u00f3 s'ha de dissenyar amb especial atenci\u00f3. Es comenten els costos computacionals de les diferents proves de compatibilitat entre observacions; aix\u00ed com altres caracter\u00edstiques desitjables de l'estructura de dades que es fa servir per a la construcci\u00f3 del mapa. A m\u00e9s a m\u00e9s es proposen una s\u00e8rie de tasques que han de realitzar-se durant l'associaci\u00f3 de dades. Comen\u00e7ant per les proves de compatibilitat amb un model b\u00e0sic dels elements del mapa, i continuant amb la reducci\u00f3 de l'espai de cerca quan es generen hip\u00f2tesis d'associaci\u00f3, aix\u00ed com les proves espacial i temporal d'associaci\u00f3 de dades.<br\/>El treball que es presenta en aquesta tesi proposa noves t\u00e8cniques en \u00e0rees de l'enginyera i ci\u00e8ncies computacionals, que van des de nous algorismes per la visi\u00f3 per computador, a idees novells de la construcci\u00f3 concurrent de mapes i l'autolocalitzaci\u00f3 de robots m\u00f2bils. Les contribucions principals s\u00f3n la proposta d'una nova t\u00e8cnica per la fusi\u00f3 de dades visuals; la formulaci\u00f3 d'un nou algorisme per la construcci\u00f3 concurrent de mapes i l'autolocalitzaci\u00f3 de robots que considera la qualitat temporal dels elements del mapa; nous resultats te\u00f2rics en el nivell de reconstrucci\u00f3 possible quan es construeixen mapes a partir d'observacions totalment correladas; i les t\u00e8cniques necess\u00e0ries per pal\u00b7liar els efectes de l'observabilitat i la controlabilitat parcials, aix\u00ed com els efectes de les no linealitats en la soluci\u00f3 del problema de construcci\u00f3 concurrent de mapes i de l'autolocalitzaci\u00f3.<\/jats:p>\n Esta tesis aborda el problema del aprendizaje autom\u00e1tico de entornos estructurados en rob\u00f3tica m\u00f3vil. Particularmente, la extracci\u00f3n de caracter\u00edsticas a partir de las se nales de los censores, la construcci\u00f3n aut\u00f3noma de mapas, y la autolocalizaci\u00f3n de robots.<br\/>Se estudian los fundamentos matem\u00e1ticos necesarios para la extracci\u00f3n de caracter\u00edsticas a partir de im\u00e1genes y registros de un l\u00e1ser, las cuales permiten la identificaci\u00f3n un\u00edvoca de los elementos del entorno. Los atributos extra\u00eddos a partir de la se nal de un solo sensor pueden ser insuficientes a la hora de caracterizar los elementos del entorno de forma invariante; lo que conlleva a la combinaci\u00f3n de informaci\u00f3n de m\u00faltiples fuentes. Se presenta un nuevo algoritmo para la fusi\u00f3n de informaci\u00f3n complementaria extra\u00edda de dos m\u00f3dulos de visi\u00f3n de bajo nivel. Esta fusi\u00f3n de informaci\u00f3n produce descripciones m\u00e1s completas de los objetos presentes en el entorno, los cuales pueden ser seguidos y aprendidos en el contexto de la rob\u00f3tica m\u00f3vil.<br\/>Las variaciones en las condiciones de iluminaci\u00f3n y las oclusiones hacen que la asociaci\u00f3n de datos en visi\u00f3n por computador sea una tarea dif\u00edcil de llevar a cabo. Sin embargo, el uso de restricciones geom\u00e9tricas y fotogram\u00e9tricas permiten reducir la b\u00fasqueda de correspondencias entre im\u00e1genes; y al centrar la atenci\u00f3n en un reducido n\u00famero de caracter\u00edsticas, estas pueden ser seguidas en im\u00e1genes sucesivas, simplificando as\u00ed el problema de asociaci\u00f3n de datos. Se hace hincapi\u00e9 en las t\u00e9cnicas de la geometr\u00eda de m\u00faltiples vistas relevantes para el c\u00f3mputo de una estimaci\u00f3n inicial de la posici\u00f3n de los elementos del entorno, lo cual permite la reconstrucci\u00f3n del movimiento<br\/>del robot entre im\u00e1genes sucesivas; situaci\u00f3n deseable cuando se carece de odometr\u00eda o cuando sus lecturas son poco fiables.<br\/>Una vez que los elementos del entorno han sido extra\u00eddos e identificados, la segunda parte del problema consiste en usar estas observaciones tanto para estimar la posici\u00f3n del robot, como para refinar la estimaci\u00f3n de los mismos elementos del entorno. El movimiento del robot y las lecturas de los sensores se consideran como dos procesos estoc\u00e1sticos, y el problema se aborda desde el punto de vista de la teor\u00eda de estimaci\u00f3n, en donde el ruido inherente a los sensores y al movimiento del robot se consideran como secuencias aleatorias.<br\/>La principal desventaja existente en el uso de t\u00e9cnicas de estimaci\u00f3n para el c\u00f3mputo concurrente de la posici\u00f3n del robot y la construcci\u00f3n de un mapa, es que hasta ahora se ha considerado su uso en entornos est\u00e1ticos \u00fanicamente, y que su aplicaci\u00f3n en situaciones m\u00e1s realistas carece de robustez.<br\/>Se propone un conjunto de funciones para evaluar la calidad temporal de las observaciones con el fin de solventar aquellas situaciones en que las observaciones de los elementos del entorno no sean consistentes en el tiempo.<br\/>Se muestra como el uso de estas pruebas de calidad temporal junto con las pruebas de compatibilidad espacial existentes mejora los resultados al usar un m\u00e9todo de estimaci\u00f3n \u00f3ptima para la construcci\u00f3n concurrente de mapas y la autolocalizaci\u00f3n de robots. La idea principal consiste en usar un hist\u00f3rico<br\/>de los errores en la asociaci\u00f3n de datos para el c\u00f3mputo de la posibilidad de incurrir en nuevos errores de asociaci\u00f3n; y eliminar del mapa aquellos elementos cuyas observaciones no sean consistentes.<br\/>Se presta especial atenci\u00f3n a que la eliminaci\u00f3n de elementos inconsistentes del mapa no viole las propiedades de los algoritmos de construcci\u00f3n concurrente de mapas y autolocalizaci\u00f3n descritos en la literatura; es decir, convergencia asint\u00f3tica y correlaci\u00f3n completa.<br\/>Esta tesis proporciona a su vez un an\u00e1lisis en profundidad del modelo de construcci\u00f3n concurrente de mapas y autolocalizaci\u00f3n totalmente correlado desde un punto de vista de la teor\u00eda de control de sistemas. Partiendo del hecho de que el filtro de Kalman no es otra cosa que un estimador \u00f3ptimo, se analizan las implicaciones de tener un vector de estados que se revisa a partir de mediciones totalmente correladas. Se revela de forma te\u00f3rica y con experimentos las limitaciones de usar un enfoque para la construcci\u00f3n concurrente de mapas y autolocalizaci\u00f3n a partir de mediciones totalmente correladas.<br\/>El hecho de tener un modelo parcialmente observable inhibe la reconstrucci\u00f3n total del espacio de estados, produciendo a su vez una estimaci\u00f3n de la posici\u00f3n de los elementos del entorno que depender\u00e1 en todo caso de las observaciones iniciales, y que no garantiza la convergencia a una matriz de covarianza positivamente definida. Por otro lado, el hecho de tener un vector de estados parcialmente controlable, produce despu\u00e9s de un reducido n\u00famero de iteraciones que el filtro crea tener una estimaci\u00f3n perfecta del estado de los elementos del entorno; con sus correspondientes ganancias de Kalman convergiendo a cero. Esto es, despu\u00e9s de un peque no n\u00famero de iteraciones del filtro, las innovaciones no se usan. Se muestra como reducir los efectos de la correlaci\u00f3n total y la controlabilidad parcial. Adem\u00e1s, dado que el filtro de Kalman es un observador \u00f3ptimo para la reconstrucci\u00f3n de los estados, es pertinente construir un regulador \u00f3ptimo que permita conducir al robot lo m\u00e1s cerca posible de una trayectoria deseada durante la construcci\u00f3n de un mapa. Se muestra como la dualidad existente entre la observabilidad y la controlabilidad se puede emplear en el dise\u00f1o de este regulador \u00f3ptimo. <br\/>Cualquier algoritmo de construcci\u00f3n concurrente de mapas y autolocalizaci\u00f3n de robots m\u00f3viles que deba funcionar en un entorno real deber\u00e1 ser capaz de relacionar las observaciones y sus correspondientes elementos del mapa de manera expedita. Algunas de las pruebas de compatibilidad de las observaciones son caras desde el punto de vista de su complejidad computacional, y su aplicaci\u00f3n debe dise\u00f1arse con riguroso cuidado. Se comentan los costes computacionales de las distintas pruebas de compatibilidad entre observaciones; as\u00ed como otras caracter\u00edsticas deseadas de la estructura de datos elegida para la construcci\u00f3n del mapa. Adem\u00e1s, se propone una serie de tareas que debe llevarse a cabo durante la asociaci\u00f3n de datos. Partiendo por las pruebas de compatibilidad con un modelo b\u00e1sico de los elementos del mapa, y continuando con la reducci\u00f3n del espacio de b\u00fasqueda al generar hip\u00f3tesis de asociaci\u00f3n, as\u00ed como las pruebas espacial y temporal de asociaci\u00f3n de datos.<br\/>El trabajo que se presenta en esta tesis propone nuevas t\u00e9cnicas en \u00e1reas de la ingenier\u00eda y las ciencias computacionales, que van desde nuevos algoritmos de visi\u00f3n por computador, a ideas noveles en la construcci\u00f3n concurrente de mapas y la autolocalizaci\u00f3n de robots m\u00f3viles. Las contribuciones principales son la propuesta de una nueva t\u00e9cnica para la fusi\u00f3n de datos visuales; la formulaci\u00f3n de un nuevo algoritmo para la construcci\u00f3n concurrente de mapas y autolocalizaci\u00f3n de robots que toma en cuenta la calidad temporal de los elementos del mapa; nuevos resultados te\u00f3ricos en el grado de reconstrucci\u00f3n posible al construir mapas a partir de observaciones totalmente correladas; y las t\u00e9cnicas necesarias para paliar los efectos de la observabilidad y controlabilidad parciales, as\u00ed como los efectos de las no linealidades en la soluci\u00f3n del problema de construcci\u00f3n concurrente de mapas y autolocalizaci\u00f3n.<\/jats:p>\n This thesis focuses on the various aspects of autonomous environment learning for indoor service robots. Particularly, on landmark extraction from sensor data, autonomous map building, and robot localization. <br\/>To univocally identify landmarks from sensor data, we study several landmark representations, and the mathematical foundation necessary to extract the features that build them from images and laser range data. The features extracted from just one sensor may not suce in the invariant characterization of landmarks and objects, pushing for the combination of information from multiple sources. We present a new algorithm that fuses complementary information from two low level vision modules into coherent object models that can be tracked and learned in a mobile robotics context. Illumination conditions and occlusions are the most prominent artifacts<br\/>that hinder data association in computer vision. By using photogrammetric and geometric constraints we restrict the search for landmark matches in successive images, and by locking our interest in one or a set of landmarks in the scene, we track those landmarks along successive frames, reducing considerably the data association problem. We concentrate on those tools from the geometry of multiple views that are relevant to the computation of initial landmark location estimates for coarse motion recovery; a desirable characteristic when odometry is not available or is highly unreliable.<br\/>Once landmarks are accurately extracted and identied, the second part of the problem is to use these observations for the localization of the robot, as well as the renement of the landmark location estimates. We consider robot motion and sensor observations as stochastic processes, and treat the problem from an estimation theoretic point of view, dealing with noise by using probabilistic methods.<br\/>The main drawback we encounter is that current estimation techniques have been devised for static environments, and that they lack robustness in more realistic situations. To aid in those situations in which landmark observations might not be consistent in time, we propose a new set of temporal landmark quality functions, and show how by incorporating these functions in the data association tests, the overall estimation-theoretic approach to map building and localization is improved. The basic idea consists on using the history of data association mismatches for the computation of the likelihood of future data association, together with the spatial compatibility tests already available.<br\/>Special attention is paid in that the removal of spurious landmarks from the map does not violate the basic convergence properties of the localization and map building algorithms already described in the literature; namely, asymptotic convergence and full correlation.<br\/>The thesis also gives an in depth analysis of the fully correlated model to localization and map building from a control systems theory point of view. Considering the fact that the Kalman .lter is nothing else but an optimal observer, we analyze the implications of having a state vector that is being revised by fully correlated noise measurements. We end up revealing<br\/>theoretically and with experiments the strong limitations of using a fully correlated noise driven estimation theoretic approach to map building and localization in relation to the total number of landmarks used. <br\/>Partial observability hinders full reconstructibility of the state space, making the .nal map estimate dependant on the initial observations, and does not guarantee convergence to a positive de nite covariance matrix. Partial controllability on the other hand, makes the .lter beleive after a number of iterations, that it has accurate estimates of the landmark states, with their corresponding Kalman gains converging to zero. That is, after a few steps, innovations are useless. We show how to palliate the e.ects of full correlation<br\/>and partial controllability. Furthermore, given that the Kalman .lter is an optimal observer for the reconstruction of fully correlated states; it seems pertinent to build an optimal regulator in order to keep the robot as close as possible to a desired motion path when building a map. We show also how the duality between observability and controllability can be exploited in designing such an optimal regulator. <br\/>Any map building and localization algorithm for mobile robotics that is to work in real time must be able to relate observations and model matches in an expeditious way. Some of the landmark compatibility tests are computationally expensive, and their application has to be carefully designed. We touch upon the time complexity issues of the various landmark compatibility tests used, and also on the desirable properties of our chosen map data structure.<br\/>Furthermore, we propose a series of tasks that must be handled when dealing with landmark data association. From model compatibility tests, to search space reduction and hypothesis formation, to the actual association of observations and models. <br\/>The work presented in this thesis spans several areas of engineering and computer science, from new computer vision algorithms, to novel ideas in mobile robot localization and map building. The key contributions are the proposal of a new technique to fuse visual data; the formulation of new algorithms to concurrent localization and map building that take into account temporal landmark quality; new theoretical results on the degree of reconstruction possible when building maps from fully correlated observations; and the necessary techniques to palliate partial observability, partial controllability, and the nonlinear e.ects when solving the simultaneous localization and map building problem.<\/jats:p>","DOI":"10.5821\/dissertation-2117-93497","type":"dissertation","created":{"date-parts":[[2023,7,25]],"date-time":"2023-07-25T01:24:19Z","timestamp":1690248259000},"approved":{"date-parts":[[2003,4,8]]},"source":"Crossref","is-referenced-by-count":1,"title":["Environment learning for indoor mobile robots"],"prefix":"10.5821","author":[{"sequence":"additional","affiliation":[],"role":[{"role":"author","vocabulary":"crossref"}]},{"given":"Juan","family":"Andrade-Cetto","sequence":"first","affiliation":[],"role":[{"role":"author","vocabulary":"crossref"}]}],"member":"3865","container-title":[],"original-title":[],"deposited":{"date-parts":[[2026,1,28]],"date-time":"2026-01-28T06:36:49Z","timestamp":1769582209000},"score":1,"resource":{"primary":{"URL":"https:\/\/hdl.handle.net\/2117\/93497"}},"subtitle":[],"editor":[{"given":"Alberto","family":"Sanfeliu Cort\u00e9s","sequence":"first","affiliation":[],"role":[{"role":"editor","vocabulary":"crossref"}]}],"short-title":[],"issued":{"date-parts":[[null]]},"references-count":0,"URL":"https:\/\/doi.org\/10.5821\/dissertation-2117-93497","relation":{},"subject":[]}}