@article{De Cristóforis_Fischer_Nitsche_2020, title={Estimación de la covarianza de ICP para la localización de un robot diferencial mediante odometrı́a y escaneo láser}, url={https://rtyc.utn.edu.ar/index.php/rtyc/article/view/805}, DOI={10.33414/rtyc.37.134-145.2020}, abstractNote={<p>En este trabajo se presenta un método probabilístico para resolver el problema de la localización de un robot diferencial. Se usa el Filtro Extendido de Kalman (EKF) para fusionar la información obtenida por registraciones de mediciones láser mediante ICP (<em>IterativeClosest Point</em>) con la información de odometría provista por encoders. Para utilizar EKF es necesario estimar la covarianza de cada fuente de información, sin embargo el algoritmo ICP no devuelve la covarianza asociada. En este artículo se describe una forma de calcular esta covarianza. Los resultados obtenidos muestran que el método de fusión de sensores resulta en una estimación más precisa de la pose del robot en comparación con las estimaciones que se podrían obtener mediante odometría e ICP individualmente.</p>}, number={37}, journal={Revista Tecnología y Ciencia}, author={De Cristóforis, Pablo and Fischer, Thomas and Nitsche, Matías}, year={2020}, month={oct.}, pages={134–145} }