Automatic Point Clouds Merging
Automatické spojování mračen bodů
diplomová práce (OBHÁJENO)

Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/101930Identifikátory
SIS: 200581
Kolekce
- Kvalifikační práce [11322]
Autor
Vedoucí práce
Oponent práce
Vodrážka, Jindřich
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Umělá inteligence
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
13. 9. 2018
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
ROS, map-merging, mračna bodů, multi-robotické systémyKlíčová slova (anglicky)
ROS, map-merging, Point cloud, multi-robot systemsMultirobotické systémy jsou zavedenou výzkumnou oblastí s rostoucím množstvím aplikací. Efek- tivní koordinace v těchto systémech zpravidla vyžaduje znalost polohy robotů a mapy daného prostředí. Tato práce prezentuje nový algoritmus pro spojování 3D map reprezentovaných mračny bodů v mul- tirobotických systémech, který vytváří globální mapu prostředí a poskytuje pozice robotů. Algoritmus je založen na odhadování transformace mezi mapami pomocí význačných bodů a s využitím nového algoritmu pro párování descriptorů. Algoritmus používá pouze mračna bodů bez dalších pomocných in- formací. Algoritmus může využít rozdílené SLAM metody a typy senzorů a je použitelný v heterogenních multirobotických systémech. Algoritmus pro spojování map byl testován na reálných datech z létajících a pozemních robotů s různými typy stereo kamer a aktivních RGB-D kamer. Algoritmus byl testován venku i uvnitř budov. Navržený algoritmus byl implementován jako ROS balíček a je v současné době distribuován v ROS distribuci. Pokud vím, jedná se o první ROS balíček pro spojování 3D map.
Multi-robot systems are an established research area with a growing number of applications. Efficient coordination in such systems usually requires knowledge of robot positions and the global map. This work presents a novel map-merging algorithm for merging 3D point cloud maps in multi-robot systems, which produces the global map and estimates robot positions. The algorithm is based on feature- matching transformation estimation with a novel descriptor matching scheme and works solely on point cloud maps without any additional auxiliary information. The algorithm can work with different SLAM approaches and sensor types and it is applicable in heterogeneous multi-robot systems. The map-merging algorithm has been evaluated on real-world datasets captured by both aerial and ground-based robots with a variety of stereo rig cameras and active RGB-D cameras. It has been evaluated in both indoor and outdoor environments. The proposed algorithm was implemented as a ROS package and it is currently distributed in the ROS distribution. To the best of my knowledge, it is the first ROS package for map-merging of 3D maps.