Scan - Matching Vortrag über Scan-Matching und dessen Verfahren Modul: Mensch-Maschine Kommukation/ Robotik Mirko Röhlich Stefan Dahlke Thomas Meister

Scan - Matching Inhalt Problemstellung Vergleich Optimierungen Benchmarks Fazit

Problemstellung – Wdh. vollständiges Erfassen von komplexen Objekten und Szenen Scans aneinanderfügen Voraussetzung ist die Kenntnis der Pose des Roboters Lokalisierung durch Odometrie ist ungenau keine ausreichende Posenberechnung, aber liefert Ausgangswerte Scan-Matching kann teil eines SLAM-Verfahrens sein

ICP Referenzpunkte zuordnen Abstände minimieren Wiederholung nutzt Euklidischen Abstand MbICP Berücksichtigt bewusst die Rotation

IDC nutzt 2 Korrespondenzen eukludischer Abstand Differenz der Abstände Berechnung der Transformation von beiden Korrespondenzen Verwendung Translation vom eukludischen Abstand Rotation von der Differenz der Abstände Rotationserkennung besser als bei ICP

Korrespondenzen Point 2 Point Point 2 Segment direkte Zuordnung zu einem Referenzpunkt Point 2 Segment Zuordnung zum nächstgelegenen Segment oder Punkt

Optimierung Point 2 Point Point 2 Segment eigener Ansatz Vorfilterung aller Punkte Point 2 Segment Segmente liegen aufeinanderfolgen vor keine Vorfilterung nötig eigener Ansatz einmal Brutforce hohe Wahrscheinlichkeit, dass nächster Punkt einer von den alten Korrespondenzen ist (in der nähe Suchen) Nachfolgepunkte könnte in der Nachbarschaft zum Vorgängerpunkt eine Korrespondez haben

Benchmark Point 2 Point MbICP Translational Error: 0.010 Rotational Error: 2.51 Iterations: 8 PLICP Translational Error: 0.001 Rotational Error: 5.12E-4 Iterations: 6 TrICP Translational Error: 0.012 Rotational Error: 0.007 Iterations: 18 IIDC Translational Error: 0.012 Rotational Error: 0.007 Iterations: 18

Benchmark Point 2 Segment MbICP Translational Error: 0.083 Rotational Error: 0.037 Iterations: 5 PLICP Translational Error: 0.001 Rotational Error: 5.12E-4 Iterations: 6 TrICP Translational Error: 0.012 Rotational Error: 0.007 Iterations: 18 IIDC Translational Error: 0.012 Rotational Error: 0.007 Iterations: 18

Vorführung

Fazit Praxis weitere Optimierung nötig ein Scan-Matching allein reicht nicht aus Kombination verschiedener Scan-Matching-Algorithmen