SLAM E ALTRE TECNICHE DI LOCALIZZAZIONE E MAPPATURA PER SISTEMI AUTONOMI IN AMBIENTI DINAMICI

Negli ultimi anni, il rapido sviluppo dell’Intelligenza Artificiale e delle tecniche di Deep Learning ci ha permesso di sviluppare sistemi all’avanguardia per l’analisi automatica dell’ambiente circostante. In particolare si è posta l’attenzione principalmente su sistemi dinamici, aventi al loro interno elementi in continuo movimento, i quali rappresentano una vera e propria sfida per le moderne tecnologie di Computer Vision. Tra le varie applicazioni di queste tecnologie rientrano la guida autonoma, la robotica mobile e i sistemi di assistenza alla navigazione, (come ad esempio l’assistenza per persone non vedenti) nei quali risulta fondamentale identificare gli elementi e gli ostacoli presenti nell’ ambiente. Individueremo delle differenze per quanto riguarda le tecnologie usate a seconda degli ambienti ( indoor e outdoor) e ne trarremo vantaggi, limiti e criticità. La presente tesi analizzerà quindi le principali metodologie e architetture di Deep Learning impiegate per l’analisi della scena, con particolare focus sulle reti neurali e sulle tecniche utilizzate per il riconoscimento e l’interpretazione degli elementi presenti nell’ambiente. L’obiettivo finale sarà quello di valutare le potenzialità e le possibilità di utilizzo di queste nuove tecnologie nella vita quotidiana, analizzando il loro contributo allo sviluppo di sistemi sempre più autonomi e in grado di supportare l’uomo nella navigazione in ambienti complessi.