Monocular depth estimation applied to global localization over 2D floor plans

Abstract

Indoor global localization is a critical aspect of autonomous robotic navigation. The increasing demand for service consumer-grade robots that require self-localization calls for research on methods that work with easy setup and low-cost sensors. In this work, we propose a monocular camera-based localization of a motorized wheeled robot using a 2D floor plan as a reference map. The innovation of our method lies in using depth maps estimated from monocular images to compute the free space around the robot to be used as a measurement model in a particle filter strategy. The estimated free space density is compared to the free space density extracted from particles in the 2D floor plan. Due to the inherent imperfections of estimated depth maps, we also propose a new particle weighting approach to account for uncertainties in the depth estimation from the monocular camera. Experiments performed using real-world scenario sequences of images comparing the proposed method with RGB-D camera-based approaches demonstrate the effectiveness of the method, even for imperfect depth maps obtained with the monocular depth estimation model.

A localização global em ambientes internos é um aspecto crucial da navegação de robôs autônomos. A crescente demanda por robôs de serviço, que exigem auto-localização, impulsiona a pesquisa de métodos que sejam fáceis de configurar e que utilizem sensores de baixo custo. Neste trabalho, apresentamos uma proposta de localização baseada em câmera monocular para um robô de rodas motorizadas, utilizando um mapa de planta baixa 2D como referência. A inovação de nosso método reside na utilização de mapas de profundidade estimados a partir de imagens monoculares para calcular o espaço livre ao redor do robô, a ser usado como modelo de observação em uma estratégia de filtro de partículas. A densidade de espaço livre estimada é comparada com a densidade de espaço livre extraída das partículas no plano de planta baixa 2D. Devido às imperfeições inerentes dos mapas de profundidade estimados, propomos também uma nova abordagem de ponderação de partículas para considerar as incertezas na estimativa de profundidade da câmera monocular. Experimentos realizados com sequências de imagens do mundo real, comparando o método proposto com abordagens baseadas em câmera RGB-D, demonstram a eficácia do método, mesmo para mapas de profundidade imperfeitos obtidos com o modelo de estimativa de profundidade monocular.