|
|
3D Mapping from Sparse LiDAR Data
Veľas, Martin ; Hofierka,, Jaroslav (referee) ; Kaartinen,, Harri (referee) ; Herout, Adam (advisor)
Tato práce se zabývá návrhem nových algoritmů pro zpracování řídkých 3D dat senzorů LiDAR, včetně kompletního návrhu batohovího mobilního mapovacího řešení. Tento výzkum byl motivován potřebou takových řešení v oblasti geodézie, mobilního průzkumu a výstavby. Nejprve je prezentován iterační algoritmus pro spolehlivou registraci mračen bodů a odhad odometrie z měření 3D LiDARu. Problém řídkosti a velikosti těchto dat je řešen pomocí náhodného vzorkování pomocí Collar Line Segments (CLS). Vyhodnocení na standardní datové sadě KITTI ukázalo vynikající přesnost oproti známému algoritmu General ICP. Konvoluční neuronové sítě hrají důležitou roli ve druhé metodě odhadu odometrie, která zpracovává kódovaná data LiDARu do 2D matic. Metoda je schopna online výkonu, zatímco je zachována přesnost, když požadujeme pouze parametry posunu. To může být užitečné v situacích, kdy je vyžadován online náhled mapování a parametry rotace mohou být spolehlivě poskytnuty např. senzorem IMU. Na základě algoritmu CLS bylo navrženo a implementováno batohové mobilní mapovací řešení 4RECON. S využitím kalibrovaného a synchronizovaného páru LiDARů Velodyne a s nasazením řešení GNSS/INS s duální anténou, byl vyvinut univerzální systém poskytující přesné 3D modelování malých vnitřních i velkých otevřených prostředí. Naše hodnocení prokázalo, že požadavky stanovené pro tento systém byly splněny -- relativní přesnost do $5$~cm a průměrná chyba georeferencí pod $12$~cm. Poslední stránky obsahují popis a vyhodnocení další metody založené na konvolučních neuronových sítích -- navržených pro segmentaci země v mračnech bodů 3D LiDARu. Tato metoda překonala současný stav techniky v této oblasti a představuje způsob, jakým může být sémantická informace vložena do 3D laserových dat.
|
|
|
Automatic On-Line Calibration and Calibration Monitoring of Cameras and Lidars
Moravec, Jaroslav ; Šikudová, Elena (advisor) ; Obdržálek, Štěpán (referee)
Title: Automatic On-Line Calibration and Calibration Monitoring of Cameras and Lidars Author: Jaroslav Moravec Department: Department of Software and Computer Science Education Supervisor: doc. RNDr. Elena Šikudová, Ph.D., Department of Software and Computer Science Education Abstract: Cameras and LiDARs are important devices in the automotive indus- try as their combination provides useful information (3D coordinates of a point, its colour and intensity) for perception, localization, mapping and prediction. Successful data fusion and interpretation requires accurate calibration of intrin- sic parameters of the sensors and their 6D relative pose. In this thesis, we present a target-less calibration method on three different calibration tasks. The solu- tion is based on a robust likelihood function constructed over the reprojection error of LiDAR edges relative to image edges. When the calibration slowly wears off, our online recalibration procedure can jointly follow the extrinsic calibration drift with an average error of 0.13◦ in rotation and 4 cm in translation. Based on this recalibration tool, we are also able to monitor the calibration and detect an abrupt decalibration in a couple of seconds. And we also present a fully automatic calibration routine that estimates both the extrinsic and intrinsic...
|
|
|
3D Mapping from Sparse LiDAR Data
Veľas, Martin ; Hofierka,, Jaroslav (referee) ; Kaartinen,, Harri (referee) ; Herout, Adam (advisor)
Tato práce se zabývá návrhem nových algoritmů pro zpracování řídkých 3D dat senzorů LiDAR, včetně kompletního návrhu batohovího mobilního mapovacího řešení. Tento výzkum byl motivován potřebou takových řešení v oblasti geodézie, mobilního průzkumu a výstavby. Nejprve je prezentován iterační algoritmus pro spolehlivou registraci mračen bodů a odhad odometrie z měření 3D LiDARu. Problém řídkosti a velikosti těchto dat je řešen pomocí náhodného vzorkování pomocí Collar Line Segments (CLS). Vyhodnocení na standardní datové sadě KITTI ukázalo vynikající přesnost oproti známému algoritmu General ICP. Konvoluční neuronové sítě hrají důležitou roli ve druhé metodě odhadu odometrie, která zpracovává kódovaná data LiDARu do 2D matic. Metoda je schopna online výkonu, zatímco je zachována přesnost, když požadujeme pouze parametry posunu. To může být užitečné v situacích, kdy je vyžadován online náhled mapování a parametry rotace mohou být spolehlivě poskytnuty např. senzorem IMU. Na základě algoritmu CLS bylo navrženo a implementováno batohové mobilní mapovací řešení 4RECON. S využitím kalibrovaného a synchronizovaného páru LiDARů Velodyne a s nasazením řešení GNSS/INS s duální anténou, byl vyvinut univerzální systém poskytující přesné 3D modelování malých vnitřních i velkých otevřených prostředí. Naše hodnocení prokázalo, že požadavky stanovené pro tento systém byly splněny -- relativní přesnost do $5$~cm a průměrná chyba georeferencí pod $12$~cm. Poslední stránky obsahují popis a vyhodnocení další metody založené na konvolučních neuronových sítích -- navržených pro segmentaci země v mračnech bodů 3D LiDARu. Tato metoda překonala současný stav techniky v této oblasti a představuje způsob, jakým může být sémantická informace vložena do 3D laserových dat.
|
|
|
Automatic On-Line Calibration and Calibration Monitoring of Cameras and Lidars
Moravec, Jaroslav ; Šikudová, Elena (advisor) ; Obdržálek, Štěpán (referee)
Title: Automatic On-Line Calibration and Calibration Monitoring of Cameras and Lidars Author: Jaroslav Moravec Department: Department of Software and Computer Science Education Supervisor: doc. RNDr. Elena Šikudová, Ph.D., Department of Software and Computer Science Education Abstract: Cameras and LiDARs are important devices in the automotive indus- try as their combination provides useful information (3D coordinates of a point, its colour and intensity) for perception, localization, mapping and prediction. Successful data fusion and interpretation requires accurate calibration of intrin- sic parameters of the sensors and their 6D relative pose. In this thesis, we present a target-less calibration method on three different calibration tasks. The solu- tion is based on a robust likelihood function constructed over the reprojection error of LiDAR edges relative to image edges. When the calibration slowly wears off, our online recalibration procedure can jointly follow the extrinsic calibration drift with an average error of 0.13◦ in rotation and 4 cm in translation. Based on this recalibration tool, we are also able to monitor the calibration and detect an abrupt decalibration in a couple of seconds. And we also present a fully automatic calibration routine that estimates both the extrinsic and intrinsic...
|
guest ::
