Automotive lidar technology for marine applications - determining and increasing the accuracy of simultaneous localisation and mapping

Berin Dikic

Key information

Authors:

Berin Dikic (Berin Dikic)

Supervisors:

Pedro Tiago Martins Batista (Pedro Tiago Martins Batista); Thomas Gölles

Published in

July 25, 2023

Abstract

Esta tese tem como objetivo desenvolver um método para determinar a precisão dos mapas gerados pelo sistema de Localização e Mapeamento Simultâneo (SLAM) em 3D. Os conjuntos de dados para gerar esses mapas são coletados por um novo pacote de sensores móveis lidar chamado MObile LIdar SENsor System (MOLISENS), que utiliza sensores lidar automotivos de baixo custo. Isso torna o sistema barato, móvel e robusto, adequado para ser usado em diversos ambientes, incluindo ambientes marinhos. Os dados coletados são então processados por quatro algoritmos SLAM diferentes, cujo desempenho é avaliado com base em critérios diversos. Apenas o algoritmo LIO-SAM conseguiu concluir com êxito a tarefa de mapeamento em todos os conjuntos de dados, alcançando também a melhor precisão nos mapas. Contudo, o LIO-SAM apresentou algumas deficiências, especialmente em relação à funcionalidade de fechamento de loops, que era ineficiente e básica. Essa deficiência foi corrigida ao combinar o LIO-SAM com outro algoritmo chamado Scan Context, resultando no algoritmo SC-LIO-SAM. O Scan Context é especializado em detecção de loops, tornando a funcionalidade de fechamento de loops do SC-LIO-SAM mais precisa e robusta. Além de aumentar a robustez do LIOSAM, o uso do SC-LIO-SAM também melhorou a precisão dos mapas 3D gerados, incorporando dados GNSS ao processo SLAM e ajustando os parâmetros do algoritmo. Em conclusão, o SC-LIO-SAM emerge como o algoritmo ideal para os casos específicos abordados nesta tese, enquanto o pacote de sensores MOLISENS demonstra sua capacidade de mapear com precisão uma ampla gama de ambientes, incluindo ambientes marinhos. This thesis aims to develop a way of determining the accuracy of 3D Simultaneous Localisation And Mapping (SLAM) generated maps. The datasets for generating these maps are gathered by a novel mobile lidar sensor package called MObile LIdar SENsor System (MOLISENS), which uses inexpensive automotive lidar sensors. This makes it cheap, mobile and robust, thus it is suitable to be used in a multitude of different environments, including marine ones. The gathered data is then fed to four different SLAM algorithms that are tested, and their performance is evaluated based on a set of different criteria. Out of the tested algorithms, only the LIO-SAM algorithm was able to successfully complete the mapping task on all the datasets, and it also achieved the best map accuracy. However, even LIO-SAM had some deficiencies, mainly an inefficient and pretty basic loop-closure functionality. This deficiency was fixed by combining LIO-SAM with another algorithm called Scan Context, yielding an algorithm called SC-LIO-SAM. Scan Context specializes in loop detection, which makes the loop-closure functionality of the SC-LIO-SAM more accurate and robust. Besides making LIO-SAM more robust, by using SC-LIO-SAM, the accuracy of the generated 3D maps was also improved by incorporating GNSS data into the SLAM process, as well as by tuning the parameters of the algorithm itself. In conclusion, SC-LIO-SAM emerges as the optimal algorithm for the specific use cases addressed in this thesis, while the MOLISENS sensor package demonstrates its capability to accurately survey a wide range of environments, including marine settings.