Ταυτόχρονη χαρτογράφηση και εκτίμηση θέσης με χρήση δεδομένων από αισθητήρα LiDAR
Simultaneous localization and mapping based on LiDAR sensors
Λέξεις-κλειδιά
Αυτόνομα συστήματα ; Εξαγωγή χαρακτηριστικών σημείων ; Συγχώνευση αισθητήρων ; Τρισδιάστατη χαρτογράφηση ; Ταυτόχρονος προσδιορισμός και χαρτογράφηση (SLAM) ; LiDARΠερίληψη
Η εργασία αυτή παρουσιάζει μια μελέτη για την ταυτόχρονη χαρτογράφηση και εκτίμηση θέσης
με χρήση δεδομένων από αισθητήρα LiDAR. Αρχικά, περιγράφεται η λειτουργία των συστημάτων
LiDAR, τα οποία με την εκπομπή παλμών λέιζερ μετρούν αποστάσεις και δημιουργούν
τρισδιάστατες απεικονίσεις του περιβάλλοντος. Αναλύεται η διάκριση μεταξύ αισθητήρων 2D και
3D, καθώς και οι διαφορές μεταξύ μηχανικών και συστημάτων στερεάς κατάστασης όσον αφορά
τη μέθοδο σάρωσης.
Στη συνέχεια, εξετάζονται οι αλγόριθμοι για την ταυτόχρονη εκτίμηση θέσης και δημιουργία
χαρτών (SLAM) με βάση τα δεδομένα από αισθητήρες LiDAR. Παρουσιάζονται αρχικά οι πρώτες
προσεγγίσεις που βασίζονταν σε φίλτρα Kalman και τεχνικές δειγματοληψίας, ενώ περιγράφεται
η εξέλιξη προς λύσεις όπως ο LOAM, που χρησιμοποίησε σημεία ακμών και επιφανειών για την
εκτίμηση της κίνησης, και οι νεότερες μέθοδοι που συνδυάζουν τα δεδομένα LiDAR με
πρόσθετους αισθητήρες, όπως η μονάδα μέτρησης αδρανειακών μεγεθών (IMU) και οι οπτικές
κάμερες.
Παρατίθενται τα πλεονεκτήματα της χρήσης του LiDAR, ιδιαίτερα σε συνδυασμό με επιπλέον
δεδομένα, που οδηγούν σε βελτιώσεις της ακρίβειας σε περιβάλλοντα με λίγα διακριτά σημεία.
Επιπροσθέτως, γίνεται σύγκριση των διαφόρων αλγοριθμικών προσεγγίσεων όσον αφορά το
φορτίο επεξεργασίας και την ικανότητα λειτουργίας σε πραγματικό χρόνο. Τέλος, τονίζεται η
ανάγκη για απλοποίηση των μεθόδων ώστε να εφαρμόζονται σε συστήματα με περιορισμένους
πόρους, με παράδειγμα τον αλγόριθμο KISS-ICP που λειτουργεί με ελάχιστες παραμέτρους.
Συνολικά, η μελέτη καταγράφει την εξέλιξη των τεχνικών SLAM με βάση το LiDAR,
επισημαίνοντας τα οφέλη, τα μειονεκτήματα και τις προόδους που έχουν σημειωθεί στον τομέα
για την υλοποίηση αξιόπιστων εφαρμογών σε αυτόνομες πλατφόρμες
Περίληψη
This thesis presents a study on simultaneous mapping and position estimation using data from
LiDAR sensors. In the introduction, the operation of LiDAR devices is described; these devices
emit laser pulses to measure distances and create three-dimensional representations of the
surroundings. The text distinguishes between 2D and 3D sensors as well as between mechanical
sensors and solid-state systems in terms of their scanning methods.
Next, the study examines several algorithms for simultaneous localization and mapping (SLAM)
based on LiDAR data. Early approaches that used Kalman filters and sampling techniques are
outlined, and the progression is discussed, including solutions such as LOAM, which utilized edge
and planar features for motion estimation, along with newer methods that combine LiDAR data
with additional sensors like inertial measurement units (IMU) and optical cameras.
The study highlights the benefits of using LiDAR, especially when combined with extra data, which
leads to improvements in accuracy in environments with few distinct features. A comparison of
various algorithmic methods is provided, considering processing load and the ability to perform in
real time. Finally, the need to simplify techniques for implementation on systems with limited
resources is noted, with an example being the KISS-ICP algorithm that operates using a minimal
set of parameters.
Overall, the study traces the evolution of SLAM techniques based on LiDAR, noting the
advantages, drawbacks, and advances made in developing reliable solutions for autonomous
platforms.
Αριθμός σελίδων
51Σχολή
Σχολή ΜηχανικώνΑκαδημαϊκό Τμήμα
Τμήμα Μηχανικών Τοπογραφίας και ΓεωπληροφορικήςΓλώσσα
ΕλληνικάΣυλλογή
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές