haku: @keyword SLAM / yhteensä: 10
viite: 1 / 10
« edellinen | seuraava »
| Tekijä: | Kaijaluoto, Risto |
| Työn nimi: | Precise indoor localization for mobile laser scanner |
| Liikkuvan laserkeilaimen tarkka sisätilapaikannus | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2015 |
| Sivut: | vii + 49 s. + liitt. 12 Kieli: eng |
| Koulu/Laitos/Osasto: | Sähkötekniikan korkeakoulu |
| Oppiaine: | Älykkäät tuotteet (ETA3006) |
| Valvoja: | Kyrki, Ville |
| Ohjaaja: | Kukko, Antero |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201506303474 |
| Sijainti: | P1 Ark Aalto 3003 | Arkisto |
| Avainsanat: | simultaneous localization and mapping SLAM indoor localization mobile laser scanning MLS point cloud samanaikainen paikannus ja kartoitus sisätilapaikannus liikkuva laserkeilaus pistepilvi |
| Tiivistelmä (fin): | Kolmiulotteisille malleille sisätiloista on monenlaisia käyttötarkoituksia aina rakennusten kunnon seuraamisesta virtuaalimaailmojen luomiseen. Mallin pohjaksi tarvitaan tarkat 3D mittaukset ja tarkin tapa kerätä ne on maalaserkeilaus. Maalaserkeilauksen ongelma on staattisista mittauksista johtuvat katvealueet ja näiden minimoiseksi tarvittava suuri määrä aikaavieviä mittauksia. Liikkuvalla laserkeilaimella datan keräys on huomattavasti nopeampaa ja jatkuvasti vaihtuvan mittauspaikan ansiosta katvealueita jää vähemmän. Keilaimen liikerata täytyy kuitenkin tietää tarkasti ja yksi tapa laskea se on toisen, vaakatasossa mittaavan laserkeilaimen ja sen dataa prosessoivan samanaikaisen paikannus ja kartoitus (Simultaneous Localization and Mapping, SLAM) algoritmin avulla. Tämän diplomityön tarkoitus on tutkia millaisiin liikeradan tarkkuuksiin päästään käyttämällä hyvälaatuisia sensoreita ja laadukkaita, avoimen lähdekoodin SLAM algoritmejä ja että pystytäänkö tämän liikeradan avulla muodostamaan hyvännäköinen ja laadukas pistepilvi. Diplomityössä tutkittiin kolmea SLAM algoritmia viiden Slammerilla kerätyn testiaineiston avulla. Jokaisen testiajon mittaukset prosessointiin useilla SLAM algoritmien parametriyhdistelmillä ja laskettujen liikeratojen hyvyyttä arvioitiin vertaamalla niitä referenssi liikerataan joka oli muodostettu maalaserkeilausten perusteella tuotetun kohdekartan avulla. Parhaaseen tulokseen päästiin Hector SLAM ja Karto algoritmien yhdistelmällä, jolla keskineliövirheen neliöjuuri oli 20 mm tai alle. Verratessa näiden liikeratojen avulla muodostettuja pistepilviä maalaserkeilauksen avulla muodostettuun, tasovirheen keskineliövirheen neliöjuuri oli 13 mm. Vaikka maalaserkeilauksen tarkkuuksiin ei päästy, liikkuvan laserkeilaimen avulla muodostetut pistepilvet ovat riittävän hyviä moniin käyttötarkoituksiin ja ne saatiin mitattua huomattavasti nopeammin. |
| Tiivistelmä (eng): | Accurate 3D data is of high importance for indoor modelling for various applications in construction, engineering and cultural heritage documentation. Terrestrial Laser Scanning (TLS) is currently the most accurate method to collect such data. Due to its static single view point data collection, excessive time and data redundancy are needed to capture data of good integrity and coverage. With Mobile Laser Scanner (MLS) data acquisition is considerably faster and changing view point reduces occlusions. However, MLS requires an accurate estimate of its location and attitude to project the measurements. The location can be calculated by using a horizontally mounted laser scanner combined with a Simultaneous Localization and Mapping (SLAM) algorithms. The aim of this thesis is to investigate, what level of trajectory accuracies can be achieved with high quality sensors and freely available state of the art SLAM algorithms and whether the trajectories can be used to project measurements collected with a secondary laser scanner to generate visually aesthetic and good quality three dimensional point clouds. The performance of three SLAM algorithms were studied on five datasets captured at our office with Slammer platform. The datasets were processed with the algorithms using a number of different parameter combinations and their performance was evaluated by comparing the results against a TLS based reference. A combination of Hector SLAM and Karto showed the best performance and 20 mm root mean squared error (RMSE) levels could be achieved. Analysis of the 3D point cloud produced with the trajectory showed good agreement with the TLS reference with 13 mm planar RMSE. The obtained point cloud is useful for indoor modelling with accuracies close to TLS with vastly faster data collection. |
| ED: | 2015-08-16 |
INSSI tietueen numero: 51883
+ lisää koriin
« edellinen | seuraava »
INSSI