Terrain height estimation in global frame with a mobile mapping platform

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorTaipalus, Tapio
dc.contributor.authorSantamala, Eero
dc.contributor.schoolSähkötekniikan korkeakoulufi
dc.contributor.supervisorKyrki, Ville
dc.date.accessioned2019-10-27T19:45:53Z
dc.date.available2019-10-27T19:45:53Z
dc.date.issued2019-10-21
dc.description.abstractMobile robots and survey platforms use sensors to gain information on their environment. This information can be stored in an internal representation model called a map, which can be used for various tasks from robot localization and path planning to topographical surveying. This thesis studies the use of Normal Distributions Transform (NDT) based terrain representation and a mobile laser surveying based mobile mapping platform to estimate terrain surface position and slope. An extension to the existing Normal Distribution Transform Occupancy Map (NDT-OM) is proposed to improve the performance of the solution. The proposed representation, Merged Cell Normal Distributions Transform Occupancy Map (MC-NDT-OM), uses the cell normal distribution covariance to estimate the distribution normal vector and searches for neighboring cells with distributions in the direction of the normal vector. Neighboring distributions along the normal, which are within a set distance threshold are merged to form a single distribution. The goal is that the merged cell distribution captures the surface normal better than a single NDT cell. In the experimental section NDT-OM and MC-NDT-OM representations were generated from data sets collected from two test sites using a laser scanning based mobile mapping platform. In the first part of the experiment the consistency of surface position and incline estimates of the representations were measured. Second part compared surface position estimates of the representations to known global coordinate frame positions measured by a professional survey team. Results of the experiments show that the NDT-OM and the proposed MCNDT-OM are valid representation models for capturing terrain height and incline estimates from unstructured environments using a laser scanning based mobile mapping platform. The experiments show that MC-NDT-OM can produce more accurate and consistent surface in cline estimates than NDT-OM. Similar performance was observed for the surface position estimates between the representations.en
dc.description.abstractLiikkuvat robotit ja kartoitusalustat käyttävät sensoreita kerätäkseen informaatiota ympäristöstään. Kerättyinformaatiovoidaantallettaajärjestelmänsisäiseksimalliksi. Tätä mallia kutsutaan kartaksi. Kartan avulla järjestelmä voi suorittaa lukuisia tehtäviä aina paikannuksesta reitinsuunnitteluun ja topografiseen kartoitukseen. Tämä diplomityö tutkii normaalijakaumien muunnokseen perustuvien ympäristömallien ja liikkuvien laserkeilauspohjaisten kartoitusalustojen soveltuvuutta pinnan muotojen ja pintojen sijainnin määrittämisessä. Tulosten parantamiseksi työ ehdottaa laajennuksen olemassa olevaan normaalijakaumien muunnokseen perustuvaan ympäristömalliin. Esitetty malli estimoi pintanormaaleja käyttäen normaalijakaumien kovarianssia ja yhdistelee asetetut kriteerit täyttäviä normaalijakaumia. Tavoitteena on yhdistää normaalijakaumat siten että pinta kyetään kuvaamaan syvyyssuunnassa yhdellä normaalijakaumalla parantaen pinnan paikka- ja kaltevuusarviota. Työn kokeellisessa osuudessa normaalijakaumien muunnokseen perustuva malli ja ehdotettuun uuteen malliin perustuvat kartat luotiin mittauksista, jotka kerättiin laserkeilaukseen perustuvalla kartoitusalustalla kahdesta eri koeympäristöstä. Kokeen ensimmäisessä osassa luotujen mallien hyvyyttä arvioitiin tutkimalla ensimmäisestä koeympäristöstä kartoitetun pintamuodon paikan ja kaltevuuden tarkkuutta. Kokeen toisessa osassa arvioitiin toisesta koeympäristöstä luotujen ympäristömallien kykyä määrittää pinnan korkeus globaalissa koordinaatistossa. Arvoja verrattiin koeympäristön tunnettuihin korkeusarvoihin. Kokeellisen osuuden tulokset osoittavat normaalijakaumien muunnokseen perustuvien ympäristömallien soveltuvuuden pintojen paikan ja kaltevuuden estimointiin käyttäen liikkuvaa laserkeilaukseen perustuvaa kartoitusalustaa. Kokeellinen osuus osoittaa, että ehdotettu laajennus olemassa olevaan normaalijakaumien muunnokseen perustuvaan ympäristömalliin kykenee tuottamaan tarkempia ja yhdenmukaisempia kaltevuusarvioita kuin olemassa oleva ratkaisu. Pinnan sijainnin määrittämisessä ympäristömallit suoriutuivat samankaltaisesti.fi
dc.format.extent52
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/40857
dc.identifier.urnURN:NBN:fi:aalto-201910275861
dc.language.isoenen
dc.locationP1fi
dc.programmeAEE - Master's Programme in Automation and Electrical Engineering (TS2013)fi
dc.programme.majorControl, Robotics and Autonomous Systemsfi
dc.programme.mcodeELEC3025fi
dc.subject.keywordmerged cell normal distributions transform occupancy mapen
dc.subject.keywordmobile roboticsen
dc.subject.keywordnormal distributions transformen
dc.subject.keywordsimultaneous localization and mappingen
dc.subject.keywordterrain modelingen
dc.subject.keywordtopographyen
dc.titleTerrain height estimation in global frame with a mobile mapping platformen
dc.titleYmpäristön pinnan korkeuden estimointi globaalissa koordinaatistossa liikkuvaa kartoitusalustaa hyödyntäenfi
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
local.aalto.electroniconlyyes
local.aalto.openaccessyes

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
master_Santamala_Eero_2019.pdf
Size:
16.36 MB
Format:
Adobe Portable Document Format