Faculté des sciences et techniques de l'ingénieur STI, Section de microtechnique, Institut d'ingénierie des systèmes I2S (Laboratoire de systèmes autonomes 1 LSA1)

Feature-based 3D SLAM

Weingarten, Jan ; Siegwart, Roland (Dir.)

Thèse sciences Ecole polytechnique fédérale de Lausanne EPFL : 2006 ; no 3601.

Ajouter à la liste personnelle
    Summary
    This doctoral thesis deals with an open subproblem of robot navigation, namely simultaneous localization and mapping (SLAM) in three-dimensional space. The goal is to develop a system which is capable of localizing a mobile robot in a reliable way and at the same time reconstruct its environment as a three-dimensional map. Besides enabling robot navigation in 3D, such a map could be of great importance for higher-level robotic tasks, like scene interpretation or manipulation as well as visualization purposes in general, which are required in surveying, architecture, urban search and rescue and others. The third dimension is challenging. Firstly, sensors providing three-dimensional data have to be found which suit the requirements of mobile robots and therefore have to be limited in size and power consumption. For this work, two sensors have been considered: the Swiss Ranger from CSEM (Swiss Center for Electronics and Microtechnology) and a custom-built range sensor based on a commercially available 2D laser scanner from SICK. Both are active sensors relying on measuring the time-of-flight of the emitted light. After calibration and error analysis it was concluded that the Swiss Ranger is less suited for localization and mapping than the rotating laser scanner due to its noisy data and limited field of view. It was therefore not further considered in the ensuing work. As a single 3D scan generated by the rotating laser scanner can be composed of many tens of thousands of data points and the robot takes dozens of scans during a mission, it is necessary to compress the raw data to visualize and process it efficiently. The method chosen in this work is to use a feature-based representation, which enables detailed and, at the same time, compact and informative environment reconstruction. The chosen features are planar segments, whose probabilistic representation and extraction are described, results of the SLAM algorithm are shown. With the aid of an Extended Kalman Filter (EKF) the pose of the robot and the location of the different planar segments – considering their uncertainty – can be estimated in an incremental way. The framework defined by the SPmodel (Symmetries and Perturbations Model) is used, allowing to represent and process various uncertain geometric models. The approach is validated through different experiments with a mobile robot in an office environment.
    Zusammenfassung
    Diese Doktorarbeit befasst sich mit einem offenen Teilproblem der Roboternavigation, der zeitgleichen Lokalisierung und Umgebungskartographierung (SLAM) im dreidimensionalen Raum. Ziel hierbei ist es, ein System zu entwickeln, das es ermöglicht, einen mobilen Roboter zuverlässig im Raum zu lokalisieren und gleichzeitig die Umgebung des Roboters in Form einer 3D-Karte zu reproduzieren. Neben dem Ermöglichen von Roboternavigation im dreidimensionalen Raum ist eine solche Karte von grossem Nutzen für komplexere Roboteraufgaben wie Szeneninterpretation oder -manipulation sowie generell für Visualisierungen interessant, wie sie häufig im Vermessungswesen, der Architektur, für den Such- und Rettungsdienst bei Katastrophenbewältigung, o. ä. benötigt werden. Dabei stellt die dritte Dimension eine grosse Herausforderung dar. Zuerst müssen Sensoren gefunden werden, die dreidimensionale Daten liefern und den Anforderungen der mobilen Robotik genügen, d.h. kompakt sind und wenig Strom verbrauchen. Für diese Arbeit wurden zwei Sensoren in Betracht gezogen, der Swiss Ranger des CSEM (Schweizer Zentrum für Elektronik und Mikrotechnik), sowie ein eigens entwickelter rotierender Tiefensensor, der auf einem kommerziell erhältlichen 2D-Laserscanner von SICK basiert. Beides sind aktive Sensoren und beruhen auf dem Prinzip der Laufzeitermittlung des Lichts. Nach der Sensorkalibrierung und Fehleranalyse (Kapitel 2) stellt sich heraus, dass der Swiss Ranger aufgrund seiner verrauschten Daten und seines eingeschränkten Sichtbereichs für Lokalisierungs- und Kartographierungszwecke im Vergleich zum rotierenden Laserscanner weniger gut geeignet ist. Deshalb wird er in folgenden Kapiteln nicht weiter berücksichtigt. Da ein vom Sensor generierter 3D-Scan leicht aus vielen zehntausend Punkten bestehen kann und der Roboter während einer Mission Dutzende Scans erstellt, ist es notwendig, diese Rohdaten zu komprimieren, um sie effizient darstellen und verarbeiten zu können. Die dafür in dieser Arbeit gewählte Methode ist die Extraktion von Merkmalen, welches eine detailreiche und gleichzeitig kompakte, sowie aussagekräftige Umgebunsdarstellung ermöglicht. Die gewählten Merkmale sind planare Ebenensegmente, deren probabilistische Repräsentation und Extraktion in Kapitel 3 und 4 behandelt werden. Kapitel 5 beschreibt experimentelle Resultate des SLAM-Algorithmus, der mittels eines erweiterten Kalman Filters (EKF) die Lage der verschiedenen planaren Segmente unter Berücksichtigung der Unsicherheitsinformation, sowie die Roboterposition in inkrementeller Weise schätzen kann. Dies geschieht mittels des SPmodel (Symmetries and Perturbations Model), einer Methode zur Darstellung und Verarbeitung unsicherer geometrischer Modelle. Wie zahlreiche Resultate belegen, ermöglicht der entwickelte SLAM-Algorithmus die genaue Rekonstruktion der Robotertrajektorie und -umgebung im dreidimensionalen Raum.