Projecte realitzat en col·laboració amb la Royal Institute of Technology, Stockholm, Sweden

[ANGLÈS] In the last few years robots are becoming more popular in our daily lives. We can see them guiding people in museums, helping surgeons in hospitals and autonomously cleaning houses. With the aim of enabling robots to cooperate with humans and to perform human-like tasks we need to provide them with the capability of understanding human environments and representing the extracted knowledge in such a way that humans can interpret. Semantic mapping can be defined as the process of building a representation of the environment, incorporating semantic knowledge obtained from sensory information. Semantic properties can be extracted from various sources such as objects, topology of the environment, size and shape of rooms and room appearance. This thesis proposes an implementation of semantic mapping for mobile robots which is integrated in a framework called Robot Operating System (ROS). The system extracts spatial properties like rooms, objects and topological information and combines them with common sense knowledge into a probabilistic framework which is capable of inferring room categories. The system is tested in simulations and in real-world scenarios and the results show how the system explores an unknown environment, creates an accurate map, detects objects, infers room categories and represents the results in a map where each room is labelled according to its functionality.

[CASTELLÀ] Durante los últimos años los robots están cada vez más presentes en nuestra vida cuotidiana. Podemos encontrarlos guiando gente en museos, ayudando a cirujanos durante las operaciones e incluso limpiando casas autónomamente. Con el objetivo de permitir a los robots realizar tareas humanas y cooperar con las personas, debemos proporcionarles la capacidad de entender entornos humanos y representar el conocimiento extraído de manera que podamos interpretarlo. El mapeado semántico puede ser descrito como el proceso de crear una representación del entorno incorporando conocimientos semánticos extraídos de información sensorial. Las propiedades semánticas pueden ser extraídas de conceptos como objetos, topología del entorno y la apariencia de las habitaciones. Este proyecto describe la implementación de un sistema capaz de realizar un mapeado semántico del entorno utilizando robots móviles. El sistema está integrado en una plataforma llamada Robot Operating System (ROS) y es capaz de extraer propiedades como objetos, existencia de habitaciones e información topológica del entorno. Ésta información es combinada en un modelo probabilístico que razona sobre la categoría de las habitaciones (cocina, oficina, sala de reuniones y pasillo). El algoritmo creado ha sido testado en simulaciones y en entornos reales y los resultados muestran como el sistema es capaz de explorar un entorno desconocido, crear una representación precisa, detectar objetos, segmentar el espacio en habitaciones e inferir la categoría de cada habitación.

[CATALÀ] En el últims anys els robots estan més presents a la nostra vida quotidiana. Els podem trobar guiant gent a museus, ajudant a cirurgians durant operacions i també netejant cases autònomament. Amb l'objectiu de permetre als robots realitzar tasques humanes i cooperar amb persones, hem de proporcionar-los la capacitat d'entendre entorns humans i representar el coneixement extret de forma que es pugui interpretar. El mapejat semàntic pot ser descrit com el procés de crear una representació de l'entorn incorporant coneixements semàntics extrets d’informació provinent de sensors. Les propietats semàntiques poden ser extretes de diverses fonts tals com objectes, la topologia de l'entorn i l'aparença de les habitacions. Aquest projecte descriu la implementació d'un sistema capaç de realitzar un mapejat semàntic de l’entorn utilitzant robots mòbils. El sistema està integrat en una plataforma anomenada Robot Operating System (ROS) i és capaç d’extreure propietats de l'entorn com objectes, existència d'habitacions i informació topològica de l’espai. Aquesta informació és combinada en un model probabilístic capaç de raonar sobre la categoria de les habitacions (cuina, oficina, sala de reunions i passadís). L’algorisme creat ha sigut testejat en simulacions i en entorns reals i els resultats mostren com el sistema explora un entorn desconegut, crea una representació precisa de l’entorn, detecta objectes, segmenta l’entorn en habitacions i és capaç d’inferir la categoria de cada habitació.