Scan - Matching Vortrag über Scan-Matching und dessen Verfahren

Präsentation zum Thema: "Scan - Matching Vortrag über Scan-Matching und dessen Verfahren"—  Präsentation transkript:

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

2 Scan - Matching Inhalt Problemstellung Vergleich Optimierungen
Benchmarks Fazit

3 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

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

5 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

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

7 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

8 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

9 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

10 Vorführung

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