Development of a visual odometry module for an autonomous wheelchair

Abstract

Este Trabajo Fin de Máster aborda la mejora de la odometría de una silla de ruedas autónoma mediante la sustitución del sistema anterior basado exclusivamente en encoders, por un nuevo módulo que incorpora odometría visual, más preciso y robusto. El proyecto se desarrolla sobre la arquitectura ROS2 y el stack de navegación Nav2, integrando distintos enfoques de odometría visual: estéreo (mediante la cámara ZED X Mini), monocular clásica (basada en técnicas geométricas) y monocular basada en aprendizaje profundo (con modelos como TartanVO), ambas con una cámara ZED X One.

Además, se implementa un sistema de fusión de sensores a través de un Filtro de Kalman Extendido (EKF), el cual combina la información de encoders y cámaras para ofrecer estimaciones de pose más estables y precisas. Se realizan ensayos controlados en trayectorias rectas y bucles cerrados para evaluar el rendimiento de cada módulo. Los resultados muestran que la odometría visual estéreo ofrece alta precisión con baja deriva, mientras que las soluciones monoculares requieren de mayores ajustes para ser fiables. El EKF junto con la solución estéreo mejora la robustez general del sistema, reduciendo errores acumulativos y permitiendo una navegación más consistente.

El sistema se ha diseñado para ser modular, compatible con ROS2 y adaptable a diferentes configuraciones, sentando así las bases para una futura transición hacia un sistema completo de SLAM visual que sustituya al LiDAR en entornos interiores.This Master's Thesis focuses on enhancing the odometry of an autonomous wheelchair by replacing the previous encoder-only system with a more robust and accurate module that incorporates visual odometry. The project is developed within the ROS2 architecture and the Nav2 navigation stack, integrating multiple visual odometry approaches: stereo (with the ZED X Mini camera), classical monocular (based on geometric techniques), and monocular with deep learning, both making use of the ZED X One camera.

A multi-sensor fusion strategy is implemented using an Extended Kalman Filter (EKF), which combines input from wheel encoders and cameras to improve pose estimation. Controlled experiments are conducted on straight-line and closed-loop trajectories to evaluate the performance of each method. Results show that stereo visual odometry achieves high accuracy with minimal drift, while monocular solutions still require further calibration and training to be fully reliable. The EKF with the stereo visual odometry significantly enhances system robustness by reducing cumulative errors and enabling more stable navigation.

The entire system has been designed to be modular, ROS2-compatible, and adaptable to different configurations, paving the way for a future upgrade to a complete visual SLAM solution that could replace LiDAR for indoor environments.