Efficient Methods for Lidar-based Mapping and Localization

Abstract

An expedient aim in robotics research is to enable robot systems to enter areas which are inaccessible or too dangerous to humans, such as disaster scenarios. For autonomous navigation in these environments, robust and reliable perception is key. One fundamental perception problem is to build maps of unknown environments and to localize within them simultaneously. <br /> This thesis presents an approach to simultaneous localization and mapping (SLAM) using local multiresolution. Local multiresolution corresponds well to the measurement density and accuracy of most range sensors and allows for efficient and concise map representations. The proposed map data structure is designed for memory-efficient aggregation of measurements and enables online mapping and localization. To align acquired sensor data, a probabilistic registration method is proposed, exploiting the properties of the map data structure. <br /> Local multiresolution maps from different view poses are aligned with each other to create an allocentric map of the environment. Optimization of the view poses yields a globally consistent dense 3D map of the environment. Continuous registration of local maps with the global map allows for tracking the robot pose in real time. <br /> Furthermore, a method for reassessing previously aggregated measurements, to account for registration errors due to missing information or erroneous sensor data is proposed. In order to incorporate corrections when refining the alignment, the individual sensor poses of the measurements in the local map are modeled as a sub-graph in a hierarchical graph structure. Sensor poses in the sub-graphs are optimized to account for drift and misalignments in the local maps. Each sub-graph maintains a continuous-time representation of the sensor trajectory to interpolate measurements between discrete sensor poses. <br /> The proposed methods are evaluated on different datasets and compared to state-of-the-art methods, with the results indicating superior accuracy and efficiency. Particular applications demonstrate that they have been successfully employed on different robotic platforms, such as micro aerial vehicles and ground robots, in different research projects and robot competitions.

Ein Ziel in der Robotikforschung ist es, Robotersystemen den Eintritt in Bereiche zu ermöglichen, die für Menschen unzugänglich oder zu gefährlich sind, wie beispielsweise Katastrophenszenarien. Für autonome Navigation in diesen Umgebungen, ist eine robuste und zuverlässige Wahrnehmung entscheidend. Ein grundlegendes Wahrnehmungsproblem in der Robotik besteht darin, Karten von unbekannten Umgebungen zu erstellen und sich gleichzeitig in ihnen zu lokalisieren. <br /> Kern dieser Arbeit ist ein Ansatz zur simultanen Lokalisierung und Kartierung (Simultaneous Localization and Mapping, SLAM) basierend auf lokaler Multiresolution. Lokale Multiresolution entspricht der Charakteristik, in Bezug auf Messdichte und Genauigkeit, der meisten Entfernungssensoren und ermöglicht eine effiziente Repräsentation der Umgebung. Die vorgeschlagene Kartendatenstruktur, gennant Lokale Multi-Resolutions-Karten, ist ausgelegt für Speicher-effiziente Aggregation von Messungen und ermöglicht Online-Kartierung und Lokalisierung. <br /> Um erfasste Sensordaten zu registrieren, wurde ein probabilistisches Verfahren entwickelt, welches die Eigenschaften der Kartendatenstruktur nutzt. <br /> Lokale Multi-Resolutions-Karten aus verschiedenen Schlüsselposen werden miteinander registriert um eine allozentrische Repräsentation der Umgebung zu erstellen. Optimierung der Schlüsselposen ergibt eine global konsistente, dichte 3D-Karte. Die fortlaufende Registrierung von lokalen Karten mit der globalen Karte ermöglicht die Lokalisierung des Roboters in Echtzeit. <br /> Weiterhin wird eine Methode zum Korrigieren zuvor aggregierter Messungen und Aussbessern von Registrierungsfehler, die aufgrund fehlender Informationen oder fehlerhafter Sensordaten entstehen, vorgestellt. Um diese Korrekturen in der Repräsentation zu berücksichtigen, werden die Sichtposen einzelner Messungen in der lokalen Karte als Teilgraph in einer hierarchischen Graphenstruktur modelliert. Die Sichtposen der Messungen eines Teilgraphen werden optimiert, um Drift und Fehlausrichtungen in den lokalen Karten zu berücksichtigen. Um Posen von Messungen zwischen diskreten Sensorpositionen zu interpolieren, verwaltet jeder Untergraph eine zeitkontinuierliche Repräsentation der Sensortrajektorie. <br /> Die vorgeschlagenen Methoden werden anhand verschiedener Datensätze evaluiert und mit Methoden die Stand der Forschung sind verglichen, wobei die Ergebnisse der Evaluation höhere Genauigkeit und Effizienz aufweisen. Auërdem wird der Einsatz der Methode auf unterschiedlichen Roboterplattformen, wie Flug- oder Bodenroboter gezeigt.