SLAM for Indoor Mapping of Wide Area Construction Environments

要約

同時位置特定およびマッピング (SLAM)、つまり (3D) マップによって表される環境の再構築と同時の姿勢推定は、驚くべき進歩を遂げました。
一方、工場ホールや建設現場などの複雑な環境でのデータ収集を目的とした大規模なアプリケーションも実現可能になりつつあります。
ただし、建物内部が 1 つの部屋に区切られている小規模なシナリオとは対照的に、作業現場や建設エリアでは、照明が困難な場合、テクスチャが不足する可能性があるエリアで、より離れた距離での対策を必要とします。
このような屋内アプリケーションでは通常のように GNSS 測定が利用できないため、姿勢推定はさらに困難になります。
私たちの仕事では、4台のステレオカメラと3Dレーザースキャナーを搭載したロボットシステムにより、工場の広いホールでのデータ収集を実現しています。
私たちは、最先端の LiDAR およびビジュアル SLAM アプローチを適用し、そのような環境での軌道推定と高密度マップ生成のためのさまざまなセンサー タイプのそれぞれの長所と短所について説明します。
さらに、3D ガウス スプラッティングによって高密度で正確な深度マップが生成されます。これは、自動建設と現場モニタリングを目的としたプロジェクトのコンテキストで使用する予定です。

要約(オリジナル)

Simultaneous localization and mapping (SLAM), i.e., the reconstruction of the environment represented by a (3D) map and the concurrent pose estimation, has made astonishing progress. Meanwhile, large scale applications aiming at the data collection in complex environments like factory halls or construction sites are becoming feasible. However, in contrast to small scale scenarios with building interiors separated to single rooms, shop floors or construction areas require measures at larger distances in potentially texture less areas under difficult illumination. Pose estimation is further aggravated since no GNSS measures are available as it is usual for such indoor applications. In our work, we realize data collection in a large factory hall by a robot system equipped with four stereo cameras as well as a 3D laser scanner. We apply our state-of-the-art LiDAR and visual SLAM approaches and discuss the respective pros and cons of the different sensor types for trajectory estimation and dense map generation in such an environment. Additionally, dense and accurate depth maps are generated by 3D Gaussian splatting, which we plan to use in the context of our project aiming on the automatic construction and site monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google