표제지
초록
목차
제1장 서론 7
제1절 연구의 배경 7
제1항 시간적 불일치 8
제2항 공간적 불일치 8
제3항 불확실성 전파 9
제2절 선행연구 분석 11
제1항 LiDAR-IMU SLAM 11
제2항 다중 LiDAR-IMU SLAM 12
제2장 배경 지식 13
제1절 LiDAR 센서 원리 13
제2절 강체 회전 및 프레임 변환 14
제3절 IMU Preintegration 15
제4절 Iterated Error State Kalman Filter 17
제3장 다중 LiDAR-IMU 오도메트리 18
제1절 시스템 소개 18
제2절 연속 시간 궤적을 이용한 비동기 라이다 동기화 18
제1항 IMU 이산 모델 18
제2항 B-spline 보간을 이용한 연속 시간 궤적 추정 19
제3항 LiDAR 측정값 보정 및 다중 라이다 동기화 20
제3절 점 별 라이다 불확실성 전파 21
제4절 Kalman Filter 기반 위치 최적화 23
제1항 다중 LiDAR 시스템 전처리 23
제2항 사전 및 측정값 기반 위치 분포 및 오차 24
제3항 위치 추정을 위한 Localization 가중치 25
제4항 전체 시스템 최적화 25
제5절 점 별 불확실성을 고려한 맵핑 26
제4장 실험 결과 27
제1절 실험 환경 소개 27
제1항 데이터셋 소개 27
제2항 평가 방법 소개 28
제2절 실험 결과 분석 29
제1항 Hilti 2021 SLAM Dataset 29
제2항 UrbanNav Dataset 30
제3항 Citty Dataset 32
제3절 모듈 별 기여도 분석 33
제1항 모듈 별 정확도 분석 33
제2항 지도 작성 기여 효과 35
제3항 Localization 가중치 기여 효과 36
제4절 다중 라이다 개수 분석 37
제1항 시간 복잡도 분석 37
제2항 정확도 분석 38
제5장 결론 40
제1절 요약 40
제2절 향후 계획 40
참고 문헌 42
Abstract 45
표 1. Dataset Description 27
표 2. ATEₜ for Hilti SLAM Dataset 2021 28
표 3. UrbanNav Dataset Evaluation 30
표 4. City Dataset Evaluation 32
표 5. Component-wise comparison using ATEₜ 34
표 6. Time analysis according to the number of LiDAR [ms]. The numbering follows the description in [표 1]. 36
그림 1. (a) The B-Spline interpolation allows for a precise consolidation of points, which expands the overall field of view (FOV)... 7
그림 2. The proposed method is made up of three parts: preprocessing, state estimation, and mapping. In the preprocessing,... 10
그림 3. IMU inputs are advanced using a discrete model and then processed through B-spline interpolation. The LiDAR set that... 20
그림 4. Diagram for Localization weight. In Case 1, it's better to depend on the IMU instead of the LiDAR measurements since there... 24
그림 5. (a) The accumulated scans from LAB are displayed. The Ouster (gray) is contrasted with Livox (red), showcasing a limited... 29
그림 6. Trajectory of TST and Mongok. Our method (blue) demonstrates a highly close alignment with the Ground-truth (black). 31
그림 7. These images show the partial map from our method. Even points are arrived at different time, they are integrated accurately. 31
그림 8. (a) The City03 map displayed here uses color-coding to indicate point height, transitioning from low (red) to high (green)... 33
그림 9. (a) This map is generated using Livox Horizon after the successful initialization (60sec from starting) in the LAB. (a)... 35
그림 10. Partial maps of (a) City02 and (b) Whampoa are shown, with points color-coded based on the localization weight, spanning from... 36
그림 11. The computation times relative to the number of LiDARs are displayed. Pre-process refers to the time taken to reformat the point... 37
그림 12. (a) an evaluation for three cases for two datasets. The median values of ATEₜ and standard deviations are shown as: (3.69,... 38