El laberinto logístico moderno promete eficiencia, pero cuando un AGV industrial choca contra una estantería, la culpa suele recaer en la oclusión de sensores. Trabajando con ROS Gazebo y CloudCompare, analizamos un caso donde la nube de puntos falló al no detectar un palet saliente. El error no fue del robot, sino del pipeline 3D que no filtró correctamente las sombras generadas por la geometría del entorno. Un fallo de planificación que se paga con daños materiales y tiempo perdido.
Pipeline 3D: Gazebo, CloudCompare y el error de oclusión 🤖
En ROS Gazebo, simulamos un AGV con un sensor LiDAR montado a 30 cm del suelo. Al pasar por un pasillo estrecho, un rack generó una oclusión que ocultó un obstáculo bajo. CloudCompare reveló que el filtro de ruido eliminó puntos válidos por error, considerándolos outliers. La solución fue reajustar los parámetros de segmentación y aumentar el ángulo de apertura del sensor. También se añadió un segundo LiDAR a 60 cm para cubrir el punto ciego. El pipeline ahora incluye un paso de verificación cruzada entre ambas nubes de puntos.
El AGV que tropezó con su propia sombra digital 🚧
El robot, que debía ser un prodigio de precisión, terminó haciendo el ridículo al chocar contra un palet que llevaba horas en el mismo sitio. Lo peor es que los sensores lo vieron, pero el software decidió que era un fantasma. Tras varias horas depurando en Gazebo, descubrimos que el filtro de oclusión estaba configurado para eliminar puntos con menos de 5 vecinos. El palet, solitario en su rincón, no cumplía el mínimo social. Ahora el AGV tiene amigos virtuales extras.