Comparativa de SLAM RGB-D para manipulación robótica en entornos reducidos

Autores/as

  • Quim Serrats Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII). Universitat Politècnica de Catalunya
  • Edmundo Guerra Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII). Universitat Politècnica de Catalunya
  • Yolanda Bolea Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII). Universitat Politècnica de Catalunya
  • Antoni Grau Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII). Universitat Politècnica de Catalunya

DOI:

https://doi.org/10.17979/ja-cea.2026.47.13865

Palabras clave:

Robótica, SLAM, Sensores RGB-D, Manipulación robótica, Fusión de sensores, Visión por computador

Resumen

Este trabajo compara experimentalmente tres sistemas SLAM —ORB-SLAM3, RTAB-Map y Cartographer— sobre datos RGB-D en un escenario de manipulación robótica a corta distancia. Las secuencias se capturaron con dos cámaras Intel Real- Sense, la D405 y la D435i, montadas sobre un brazo robótico UR3e, lo que permite ejecutar trayectorias repetibles y reducir la variabilidad propia de las capturas manuales. Se diseñaron cinco patrones de trayectoria y tres escenas de complejidad geométrica creciente. El procesamiento se realizó offline, homogeneizando las salidas para permitir una comparación común en términos de trayectoria estimada, mapa 3D, mapa 2D, interpretabilidad visual y coste computacional. Los resultados muestran que no existe un sistema universalmente superior: ORB-SLAM3 con la D405 ofrece el mejor compromiso para escenas próximas, RTAB-Map mantiene la mayor robustez frente al cambio de sensor, y Cartographer destaca en mapas 2D de ocupación. La información inercial aporta mejoras puntuales pero no generalizables.

Referencias

Bailey, T., Durrant-Whyte, H., 2006. Simultaneous localization and mapping (SLAM): part II. IEEE Robotics & Automation Magazine 13 (3), 108–117. DOI: 10.1109/MRA.2006.1678144

Cadena, C., Carlone, L., Carrillo, H., Latif, Y., Scaramuzza, D., Neira, J., Reid, I., Leonard, J. J., 2016. Past, present, and future of simultaneous localization and mapping: Toward the robust-perception age. IEEE Transactions on Robotics 32 (6), 1309–1332. DOI: 10.1109/TRO.2016.2624754

Campos, C., Elvira, R., Gómez Rodríguez, J. J., Montiel, J. M. M., Tardós, J. D., 2021. ORB-SLAM3: An accurate open-source library for visual, visual-inertial, and multimap SLAM. IEEE Transactions on Robotics 37 (6), 1874–1890. DOI: 10.1109/TRO.2021.3075644

Durrant-Whyte, H., Bailey, T., 2006. Simultaneous localization and mapping: part I. IEEE Robotics & Automation Magazine 13 (2), 99–110. DOI: 10.1109/MRA.2006.1638022

Engel, J., Schöps, T., Cremers, D., 2014. LSD-SLAM: Large-scale direct monocular SLAM. In: European Conference on Computer Vision (ECCV). Springer, pp. 834–849.

Grisetti, G., Kümmerle, R., Stachniss, C., Burgard, W., 2010. A tutorial on graph-based SLAM. IEEE Intelligent Transportation Systems Magazine 2 (4), 31–43. DOI: 10.1109/MITS.2010.939925

Hess, W., Kohler, D., Rapp, H., Andor, D., 2016. Real-time loop closure in 2D LIDAR SLAM. In: 2016 IEEE International Conference on Robotics and Automation (ICRA). pp. 1271–1278. DOI: 10.1109/ICRA.2016.7487258

Labbé, M., Michaud, F., 2019. RTAB-Map as an open-source lidar and visual simultaneous localization and mapping library for large-scale and long-term online operation. Journal of Field Robotics 36 (2), 416–446. DOI: 10.1002/rob.21831

Mur-Artal, R., Montiel, J. M. M., Tardós, J. D., 2015. ORB-SLAM: a versatile and accurate monocular SLAM system. IEEE Transactions on Robotics 31 (5), 1147–1163. DOI: 10.1109/TRO.2015.2463671

Mur-Artal, R., Tardós, J. D., 2017a. ORB-SLAM2: An open-source SLAM system for monocular, stereo, and RGB-D cameras. IEEE Transactions on Robotics 33 (5), 1255–1262. DOI: 10.1109/TRO.2017.2705103

Mur-Artal, R., Tardós, J. D., 2017b. Visual-inertial monocular SLAM with map reuse. IEEE Robotics and Automation Letters 2 (2), 796–803. DOI: 10.1109/LRA.2017.2653359

Newcombe, R. A., Izadi, S., Hilliges, O., Molyneaux, D., Kim, D., Davison, A. J., Kohli, P., Shotton, J., Hodges, S., Fitzgibbon, A., 2011. KinectFu- sion: Real-time dense surface mapping and tracking. In: 2011 10th IEEE International Symposium on Mixed and Augmented Reality (ISMAR). pp. 127–136. DOI: 10.1109/ISMAR.2011.6092378

Sturm, J., Engelhard, N., Endres, F., Burgard, W., Cremers, D., 2012. A benchmark for the evaluation of RGB-D SLAM systems. In: 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). pp. 573–580. DOI: 10.1109/IROS.2012.6385773

Descargas

Publicado

01-09-2026

Número

Núm. 47 (2026)

Sección

Robótica

Licencia

Derechos de autor 2026 Quim Serrats, Edmundo Guerra, Yolanda Bolea, Antoni Grau

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.