Accuracy analysis of scan registration in Normal Distributions Transform based simultaneous localization and mapping using radar and laser scanning
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2019-08-19
Department
Major/Subject
Control, Robotics and Autonomous Systems
Mcode
ELEC3025
Degree programme
AEE - Master’s Programme in Automation and Electrical Engineering (TS2013)
Language
en
Pages
71
Series
Abstract
Simultaneous Localization and Mapping (SLAM) is a fundamental problem in mobile robotics. In order for a mobile robot to construct a map of its surroundings, the robot needs to detect objects around it and fuse the detections into a map. Light Detection and Ranging (LiDAR) sensors have extensively been used for the mapping process. However, the detection range of LiDAR may not be enough in an environment such as an open field which contains only a few distinguishable features. In these featureless environments SLAM might underestimate the motion of the robot thus failing to produce a consistent map. In this work, two methods were studied to improve the mapping process based on the Normal Distributions Transform (NDT) in wide, open and featureless environments: exchanging the LiDAR with a high-precision mid-range radar and adding motion constraints from odometry to the LiDAR-based NDT-SLAM. The evaluation was done by calculating the Absolute trajectory error (ATE) and the Relative pose error (RPE) of the radar and LiDAR-based NDT-SLAM estimated trajectories in four data sets: two reference sets recorded in an urban environment and two test sets recorded in a park. The urban environment consisted of roads surrounded by buildings and trees. The park consisted of a wide open grass field with occasional bushes and street lights surrounded by small houses and forest. Based on the results the radar based NDT-SLAM had better accuracy in all of the data sets and the motion constraints from odometry improved notably both the LiDAR-based and the radar-based NDT-SLAM trajectory accuracy.Samanaikainen paikannus ja kartoitus on haastava ongelma mobiilirobotiikassa. Jotta mobiili robotti voi muodostaa tarkan kartan ympäristöstään, tulee sen pystyä havainnoimaan ympäristössään olevia kohteita riittävällä tarkkuudella. Laserkeilaimia on käytetty laajalti kartoitukseen, mutta niiden ongelmanana on rajoittunut mittausetäisyys. Tämän seurauksena paikannus yleensä aliarvioi robotin liikkeen ympäristöissä, joissa ei ole selkeitä kohteita havainnoitavaksi. Tämä johtaa helposti epätarkkuuksiin kartoituksessa. Tässä työssä tutkittiin kahta eri tapaa, joilla laserkeilaimeen pohjautuvassa samanaikaisessa paikannuksessa ja kartoituksessa olevia haasteita yksioikoisessa ympäristössä voitaisiin välttää. Kartoitus perustui normaalijakaumien muunnokseen. Ensimmäinen tapa oli laserkeilaimen korvaaminen keskipitkän matkan tutkalla ja toinen tapa oli liikerajoitteiden lisääminen laserkeilaimen mittausten rekisteröintiin. Tuloksia arvioitiin laskemalla robotin absoluuttinen liikeradan virhe sekä robotin suhteellinen paikan ja asennon virhe neljän eri mittausaineiston pohjalta lasketuissa robotin liikeradoissa. Mittausaineistot koostuivat kahdesta taajama-ympäristössä nauhoitetusta viite-aineistosta ja kahdesta puistossa nauhoitetusta testi-aineistosta. Tulosten perusteella tutkalla saatu paikannusvirhe oli huomattavasti pienempi kaikissa mittausaineistoissa ja liikerajoitteet pienensivät virhettä huomattavasti sekä laserkeilain- että tutka-pohjaisessa paikannuksessa ja kartoituksessa.Description
Supervisor
Kyrki, VilleThesis advisor
Ahtiainen, JuhanaPekkanen, Matti
Keywords
simultaneous localization and mapping, normal distributions transform, scan registration, mobile robotics, lidar, radar