• Vita
  • Publikationen
Show publication details

Luu, Thu Huong; Stork, André (Betreuer); Mueller-Roemer, Johannes (Betreuer)

Adaptives und hybrides SLAM für handgeführte RGBD-Kameras

2016

Darmstadt, TU, Master Thesis, 2016

Mit der steigenden Beliebtheit von RGBD-Sensoren wurde viel Forschung im Bereich der Aufnahme und Rekonstruktion von dreidimensionalen Umgebungen mit Hilfe von solchen Sensoren betrieben. Für die Konstruktion muss das sogenannte Simultaneous Localization and Mapping (SLAM)-Problem gelöst werden. Die meisten RGBD-SLAM-Systeme verwenden hierbei den punktbasierten Iterative Closest Point (ICP)-Algorithmus. Auch wenn ICP ein gut untersuchter Algorithmus ist, so stößt er bei verrauschten Daten und besonders bei texturarmen Bereichen mit wenigen geometrischen Merkmalen, wie z.B. großen leeren Flächen, auf Probleme. Eine Option, diese Limitierung anzugehen, ist das zusätzliche Ausnutzen von Ebenen in der Szene, besonders da sie die häufigste Form in von Menschen erbauten Innenräumen und Außenanlagen sind. Taguchi et al. [TJRF13] veröffentlichte 2013 die erste globale Registrierungsmethode, in welcher Punkt-zu-Punkt- und Ebene-zu-Ebene-Korrespondenzen zu einem echtzeitfähigen SLAM-System vereint werden. Kurz darauf folgte die Publikation von Ataer-Cansizoglu et al. [ACTRG13], welche zusätzlich ein Bewegungsvorhersage-Modell ausnutzt, um Korrespondenzen zu bestimmen. Ein Nachteil dieser Verfahren ist die hohe Verarbeitungszeit eines Registrierungsschrittes. Dieser bewirkt, dass die Verfahren nicht in der Lage sind, interaktive Rekonstruktionen durchzuführen. Das Ziel dieser Arbeit ist die Implementierung eines SLAM-Algorithmus für handgeführte RGBDKameras, der sowohl Punkte, als auch Flächen zur Registrierung nutzt. Im Gegensatz zu bestehenden Verfahren wird in dieser Arbeit ein lokaler Registrierungsalgorithmus umgesetzt. Flächenmerkmale werden bevorzugt verwendet, da ihre Anzahl in Szenen signifikant geringer ist als die von Punkten. Das ermöglicht eine schnellere Korrespondenzsuche und Registrierung. Dem zugrundeliegenden RANSACbasierten Algorithmus reicht bereits eine minimale Anzahl an Korrespondenzen aus, um die Sensorpose zu bestimmen. Somit ist der Algorithmus in der Lage, die Registrierung auch in texturarmen Bereichen mit wenigen geometrischen Merkmalen durchzuführen, in denen Techniken, welche nur Punkte benutzen, scheitern. Des Weiteren ermöglicht der lokale Registrierungsansatz eine interaktive Nutzung, um dem Nutzer in Echtzeit Rückmeldung über den Registrierungsprozess zu geben. Zusätzlich implementierte Erweiterungen, welche die detektierten Flächeninformationen zur Geometriekorrektur ausnutzen, unterstützen den Registrierungsvorgang. Durchgeführte Experimente demonstrieren eine interaktive Rekonstruktion von Innenräumen mit einer handgeführten RGBD-Kamera, einer Kinect. Zudem weist das System im Gegensatz zu vergleichbaren hybriden Systemen eine sechsfach höhere Rekonstruktionsrate auf. Bei der Gegenüberstellung anhand eines Benchmark-Datensatzes für RGBD-Sensoren konnte des Weiteren in texturarmen Umgebungen eine Überlegenheit gegenüber punktbasierten Verfahren nachgewiesen werden.