Loop closure detection for map correction using 2D range data
| dc.contributor | Aalto-yliopisto | fi |
| dc.contributor | Aalto University | en |
| dc.contributor.advisor | Mäkelä, Hannu | |
| dc.contributor.author | Georgs, Albert | |
| dc.contributor.school | Sähkötekniikan korkeakoulu | fi |
| dc.contributor.supervisor | Kyrki, Ville | |
| dc.date.accessioned | 2019-08-25T15:01:51Z | |
| dc.date.available | 2019-08-25T15:01:51Z | |
| dc.date.issued | 2019-08-19 | |
| dc.description.abstract | This thesis proposes a modular, offline solution to the loop closing problem for generating navigation maps for industrial AGVs. The solution was developed for Navithor Tools, a software for editing and generating maps, and targets situations in which the existing map correction algorithms fail – the developed algorithm aims to solve the limitations of existing matchers. These situations occur specifically in looped environments, where the accumulated error is too large for the matchers to correct. In addition, a map correction algorithm based on the loop closure detection and a matching method for particularly large and sudden odometry errors were developed. The developed algorithms were partially based on solutions proposed in recent research. As the used sensor data was 2D range data generated by laser scanners, this thesis focuses on research using similar sensors. Limitations and restrictions regarding the used sensors and data and possible solutions to the problems they pose are discussed and the most fundamental differences between using other types of data are highlighted. The developed loop closing algorithm operates in steps. A few feature extractors, feature matchers and pose correction algorithms were implemented and compared and the best performing combination was chosen as the final solution. The best performing combination had a success rate of 100% for the 21 tested environments, which proves the robustness and flexibility of the developed algorithm. The results were consistent with the conclusions drawn based on the specific algorithm tests, i.e. the algorithms that were predicted to be the most effective compared to the others, also contributed to the best overall performance. Finally, the results were compared to those of the existing matchers, indicating a significant increase in accuracy and performance, especially for large environments with large odometry error. | en |
| dc.description.abstract | I detta diplomarbete presenteras en modulär lösning till problemet att stänga loopar inom kartgenerering för navigering av industriella, autonomt styrda fordon. Lösningen fokuserar på situationer i vilka de existerande algoritmerna misslyckas att generera tillräckligt precisa navigeringskartor. Detta sker specifikt då omgivningen innehåller loopar, där det ackumulerade felet är för stort för de tidigare implementerade metoderna att korrigera. Utöver detta utvecklades även en kartkorrigeringsalgoritm som utgår ifrån den stängda loopen och en algoritm för att korrigera stora och plötsliga fel i positionsestimatet. De utvecklade algoritmerna är delvis baserade på lösningar presenterade i tidigare forskning kring ämnet. I och med att tvådimensionellt avståndsdata från laserskannrar användes i denna implementering har även forskning som använt sig av liknande sensorer varit i fokus. Begränsningar och möjliga lösningar till problem förknippade med denna typ av data diskuterades och de mest fundamentala skillnaderna till andra sorters data nämndes. Loopstängningen utfördes i steg. Ett fåtal algoritmer för extraktion och matchande av nyckelpunkter samt positionskorrigering presenterades och jämfördes. På basis av dessa resultat valdes en optimal kombination av algoritmer. Olika kombinationer testades sedan för att avgöra huruvida de dragna slutsatserna stämde överens med den slutliga prestandan. Den bästa kombinationen fungerade för alla 21 testade omgivningar, vilket tyder på att lösningen är robust och flexibel. Resultaten var konsekventa med tidigare dragna slutsatser gällande vilka algoritmer som uppskattats fungera bäst, dvs. kombinationer bestående av dessa påvisade även klart bättre resultat. Slutligen jämfördes resultaten med de existerande algoritmerna, vilket visade en tydlig ökning i precision och prestanda, speciellt för stora omgivningar med stora fel i positionsestimatet. | sv |
| dc.format.extent | 64+10 | |
| dc.identifier.uri | https://aaltodoc.aalto.fi/handle/123456789/39817 | |
| dc.identifier.urn | URN:NBN:fi:aalto-201908254878 | |
| dc.language.iso | en | en |
| dc.location | P1 | fi |
| dc.programme | AEE - Master’s Programme in Automation and Electrical Engineering (TS2013) | fi |
| dc.programme.major | Control, Robotics and Autonomous Systems | fi |
| dc.programme.mcode | ELEC3025 | fi |
| dc.subject.keyword | loop closing | en |
| dc.subject.keyword | SLAM | en |
| dc.subject.keyword | map correction | en |
| dc.subject.keyword | feature matching | en |
| dc.subject.keyword | pose correction | en |
| dc.subject.keyword | feature extraction | en |
| dc.title | Loop closure detection for map correction using 2D range data | en |
| dc.title | Stängning av loopar för kartkorrigering på basis av 2D avståndsdata | sv |
| dc.type | G2 Pro gradu, diplomityö | fi |
| dc.type.ontasot | Master's thesis | en |
| dc.type.ontasot | Diplomityö | fi |
| local.aalto.electroniconly | yes | |
| local.aalto.openaccess | no |
