LiDAR-based Registration against Georeferenced Models for Globally Consistent Allocentric Maps

要約

最新の無人航空機（UAV）は、捜索・救助（SAR）ミッションにおいて、人員を危険にさらすことなく状況概要を把握したり、クローズアップを提供したりするために、かけがえのない存在である。しかし、UAVはGNSS（全地球衛星測位システム）に大きく依存しているため、開けた場所ではうまく機能するが、建物の近くでは精度が大幅に低下する。このような不正確さが、SARオペレータが複数の情報源からの多様なデータを統一されたジオリファレンスフレームに集約する妨げとなっている。対照的に、CityGMLモデルは、正確な地理参照ポーズを持つおおよその建物形状を提供します。また、LiDARは3D構造物の近傍で最もよく機能します。従って、我々はLiDARマップをCityGMLとデジタル標高地図（DEM）モデルに対して登録することで、粗いGNSS計測値をアロセントリックマッピングの事前処理として精緻化します。直感的な確からしさスコアにより、2D高さマップを使用した占有率に基づいて最適な仮説を選択します。その後、LiDARオドメトリと更なるセンシングモダリティを用いて、連続時間スプラインベースのポーズグラフ最適化装置で登録結果を統合し、グローバルに一貫性のある、地理参照された軌跡と地図を得る。私たちは、2つの異なるテストサイトで撮影された複数のフライトで、私たちのアプローチの実行可能性を評価しました。我々の手法は、複数のフライトにおいて、GNSSオフセット誤差を最大16mから0.5m以下に減少させることに成功した。さらに、事前の3D地理空間モデルに対してグローバルに一貫性のある地図を得ることができた。

要約(オリジナル)

Modern unmanned aerial vehicles (UAVs) are irreplaceable in search and rescue (SAR) missions to obtain a situational overview or provide closeups without endangering personnel. However, UAVs heavily rely on global navigation satellite system (GNSS) for localization which works well in open spaces, but the precision drastically degrades in the vicinity of buildings. These inaccuracies hinder aggregation of diverse data from multiple sources in a unified georeferenced frame for SAR operators. In contrast, CityGML models provide approximate building shapes with accurate georeferenced poses. Besides, LiDAR works best in the vicinity of 3D structures. Hence, we refine coarse GNSS measurements by registering LiDAR maps against CityGML and digital elevation map (DEM) models as a prior for allocentric mapping. An intuitive plausibility score selects the best hypothesis based on occupancy using a 2D height map. Afterwards, we integrate the registration results in a continuous-time spline-based pose graph optimizer with LiDAR odometry and further sensing modalities to obtain globally consistent, georeferenced trajectories and maps. We evaluate the viability of our approach on multiple flights captured at two distinct testing sites. Our method successfully reduced GNSS offset errors from up-to 16 m to below 0.5 m on multiple flights. Furthermore, we obtain globally consistent maps w.r.t. prior 3D geospatial models.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL