Una volta costruita la mappa parziale si procede al clustering atto ad eliminare dei
punti in
per non appesantire eccessivamente il modello dell'ambiente. Questo viene effettuato
accoppiando i punti della mappa parziale nel seguente modo: (1) ogni punto viene
associato a quello ad esso più vicino, (2) i punti di ogni coppia vengono sostituiti
con il punto medio. Una soglia, settata a
evita il
problema di accoppiamenti errati tra i punti (
è il range del laser).
La Figura 3.2 evidenzia i risultati del clustering applicato alla
mappa parziale.
La mappa globale
viene riferita al sistema di riferimento della
mappa parziale
mediante la trasformazione
, ottenuta dall'odometria.
viene infine riallineata con la mappa parziale corrente
, permettendo
sia una corretta fusione delle due mappe che la localizzazione del robot. Tramite
quest'ultima operazione è possibile infatti evitare l'accumularsi degli errori odometrici all'aumentare
dei passi di esplorazione (Figura 3.3).
Una volta effettuato l'allineamento,
viene aggiunta a
tramite l'algoritmo
di Dobkin-Tal. Come nel caso della semplificazione di
, anche in questo caso vengono
generate coppie di punti. In questo caso, però, ad un punto
viene associato il punto
della mappa globale ad esso più vicino (
).
Se accade che
, allora i punti
e
vengono sostituiti con il punto medio. In caso contrario
il punto
viene considerato come nuovo e aggiunto al modello globale.
In questo modo si evita l'aggiunta
di ridondanza nella mappa globale e si limita il numero di punti totale presenti in
,
rendendo più rapidi i successivi passi di esplorazione.
In Figura 3.4 viene messo in evidenza come il metodo implementato aggiunga
ad
(in rosso) solamente le parti di
(in verde) non ancora presenti nella mappa globale.