SVILUPPO E TEST DI UN ALGORITMO PER NAVIGAZONE AUTONOMA DI UN ROVER BASATO SU SEGMENTAZIONE SEMANTICA E SLAM

La navigazione autonoma, in particolare nell’ambito dell’esplorazione planetaria, sta diventando sempre più un argomento di grande interesse. Un aspetto caratteristico della navigazione autonoma è l’analisi di attraversabilità di un terreno. In particolare, in questa tesi, si vuole proporre un algoritmo di SLAM (Simultaneus Localization And Mapping) che utilizza la segmentazione semantica a supporto della mappatura. Infatti, tramite una CNN (Convolutional Neural Network), è stato possibile mappare quale porzione di un terreno sia più adatta ad essere percorsa. La CNN è stata ottenuta allenando la rete neurale DeepLabv3+ e utilizzando come dataset le immagini dello stesso luogo in cui poi è stata realizzata la fase di testing. Esse sono state etichettate manualmente e la CNN è stata così allenata a distinguere il terreno asfaltato. Successivamente l’algoritmo è stato implementato per funzionare all’interno di ROS (Robot Operating System) con l’utilizzo del prototipo di rover, appartenente al progetto MORPHEUS. Infine, la mappatura realizzata è stata confrontata con le immagini satellitari e i risultati hanno dimostrato l’efficacia dell’algoritmo studiato, per realizzare l’analisi di attraversabilità di un terreno.