Los robots móviles operan en entornos no estructurados y dinámicos teniendo que lidiar con una gran diversidad de circunstancias no previstas, por lo que la robótica móvil demanda cierta autonomía. La navegación es una tarea esencial para alcanzar la autonomía en la robótica móvil, para navegar apropiadamente el robot tiene hallar la respuesta a tres preguntas fundamentales “¿dónde estoy?”, “¿dónde está todo lo demás?” y “¿qué hacer para alcanzar los objetivos o lugares particulares?”, es decir, ejecutar tareas de localización, mapeo, y planificación del movimiento. Estas tareas no pueden ser resueltas de forma independiente, el primer paso para navegar consiste en determinar la localización del robot, así, la localización constituye el cimiento de la navegación, aunque existe una relación de dependencia mutua. La localización consiste en el problema de estimar la pose (posición y orientación) del robot con respecto a su entorno. Diferentes métodos han sido propuestos para abordar este problema, entre ellos se encuentran la navegación inercial y los sistemas de localización basados en visión, ambos tratados en este trabajo. Los sistemas de navegación inercial determinan su pose de forma incremental a partir de detectar el cambio de movimiento del vehículo, su solución es muy exacta en periodos de tiempo cortos, sin embargo, se degenera progresivamente con el tiempo. En contraste, los sistemas de localización basados en visión no presentan divergencia en su solución, en consecuencia, son adecuados para mejorar la salida de los sistemas de navegación inercial. Estos sistemas determinan su pose a partir de las observaciones de un conjunto de características del entorno y sus correspondencias con el mundo. La incertidumbre es el problema más crucial en la robótica móvil debido a que los robots operan en entornos impredecibles y el bajo costo de los sensores normalmente empleados dificulta establecer la correspondencia adecuada con las características del entorno para así poder determinar la pose del robot con un alto grado de exactitud. En la práctica, todos estos los errores, por muy pequeños que sean, contribuyen a la deriva casi inevitable a largo plazo.El modelado de incertidumbre utiliza conceptos de la teoría de la probabilidad y es el enfoque para abordar el problema de deriva en este trabajo. Específicamente, en esta trabajo se usa la técnica denominada filtro de Kalman Unscented para estimar la pose del robot, esta técnica modela el sistema en términos de distribuciones de probabilidad para dar la estimación más probable a partir de información proveniente de diferentes fuentes, ponderadas de acuerdo al nivel de confianza que se tiene de cada una de ellas. La información necesaria es provista por el sistema de navegación inercial y el sistema localización basado en visión, donde los sensores inerciales se utilizan para predecir el estado y una cámara externa para corregirlo.
