To find out the location of the unmanned autonomous vehicles, accurate 3D map is one of the fundamental data to apply certain localization or matching algorithm[10, 53, 71, 77]. Recently, many research groups focus on city scale of reconstructing complex surroundings using mobile mapping system. In such a system, because the map is created based on the trajectory of the vehicle, it is the most important to calculate accurate position of the vehicle. Most vehicles utilize the Global Positioning System (GPS) sensor to estimate its location. However, in a complex urban environment, it is difficult to calculate accurate position using GPS sensor due to the blackout or multi-path propagation problem. Generally, using a variety of sensors is suggested in order to complement the drawbacks of a single sensor.
This thesis discusses an approach for the large-scale 3D mapping of complex urban environment using Simultaneous Localization and Mapping (SLAM) algorithm which uses the matching of digital map and point cloud. First, we have built a mobile mapping system suitable for urban environment that includes Light Detection and Ranging (LiDAR), GPS, Inertial Measurement Unit (IMU), camera, wheel encoder and altimeter sensors. To achieve a dense map of the urban area, we introduce a local point cloud generated by two 2D LiDAR[45].
Second, we seek solutions to challenges in SLAM-based pose estimation and 3D reconstruction as addressed by [29, 47]. To be used in SLAM, digital maps, such as BI(Building Information), AI(aerial image)and Digital Elevation Model (DEM), need intelligent representation [62]. Using digital map available publicly, we propose a matching based approach that uses digital map and accumulated local point cloud to correct the heading and translation error from dead reckoning navigation. The proposed heading correction algorithm is validated using the publicly available KITTI dataset.
Third, we present intelligent map representation for unmanned autonomous vehicles and exploitation of digital maps. Compact and useful representation is essential. Raw 3D point cloud data, because it contains much unnecessary information, we apply probabilistic voxel for abstraction of point cloud, to achieve efficiency in terms of memory and computation time.
Results are present for large scale city reconstruction experiments using the two Urban Mapping Systems. Our real-time map generation framework is validated via a long-distance urban test and evaluated at randomly sampled points using RTK-GPS. For thorough validation, we ran the algorithm on three levels of urban areas with di erent GPS availability and structural complexity; a downtown with mid-complexity, a building complex and the downtown area of a large city.
무인자율주행 차량이 자신의 위치를 찾기 위해서 측위(localization)혹은 정합(matching) 알고리즘이 수행될 때, 정교한 3차원 맵은 기본적이고 매우 필수적인 데이터이다. 최근 많은 연구 그룹에서 이동형 맵핑 시스템을 사용하여 복잡한 도시 환경을 재구성하는 연구에 중점을 두고 있다. 이러한 시스템에서, 맵은 차량의 궤적에 기초하여 생성되기 때문에, 차량의 정확한 위치를 계산하는 것이 가장 중요하다. 대부분의 차량은 GPS 센서를 사용하여 위치를 추정합니다. 그러나 복잡한 도시 환경에서는 GPS가 가려져서 아예 안보이거나 다중 경로 전파 문제로 인해 GPS 센서를 사용하여 정확한 위치를 계산하는 것이 매우 어렵다. 일반적으로 단일 센서의 단점을 보완하기 위해 다양한 센서를 사용하는 것이 보편적인 방법이다.
본 논문에서는 디지털 맵과 점군의 매칭을 사용하는 SLAM (Simultaneous Localization and Mapping) 알고리즘을 사용하여 복잡한 도시 환경의 대규모 3D 매핑을 위한 접근법을 기술하였다.
첫째, 우리는 도시 환경에 적합한 모바일 매핑 시스템을 제작하였다. 시스템에는 LiDAR (Light Detection and Ranging), GPS, IMU (Inertial Measurement Unit), 카메라, 휠 엔코더 및 고도계 센서가 장착되었다. 도시 지역의 조밀한 지도를 얻기 위해 먼저, 두 개의 2D LiDAR에 의해 생성 된 node 기준의 누적된 로컬 점군을 생성한다.
둘째, SLAM 기반 자세 추정 및 3차원 맵핑에서 필요한 문제들을 해결하였다. SLAM 알고리즘을 적용하기 위하여 건축물 정보, 항공사진, 고도정보가 필요하다. 공개적으로 이용 가능한 디지털지도를 사용하여, 우리는 deck reckoning navigation으로부터 발생하는 자세 오류를 정정하기 위해 디지털지도 및 누적 된 로컬 점군을 사용하는 매칭 기반 접근법을 제안하였다.
셋째, 무인 자율 주행 차량의 지능형지도 표현과 디지털지도의 활용을 제시하였다. 처리되지 않은 3D 점군 데이터는 불필요한 정보가 많이 포함되어 있기 때문에 많은 양의 점군에 대한 추상화가 필수적으로 필요하다. 확률적 복셀(voxel)을 적용하여 메모리 및 계산 시간면에서 효율적인 데이터를 생성하였다.
결과를 얻기 위해 두가지 다른 방식의 맵핑 시스템을 사용하였고, 대규모 도시환경의 데이터를 획득하였다. 제안한 맵핑 프레임웍은 장거리 도시주행 테스트를 통해 실시간성이 검증되었고, RTK-GPS를 사용하여 임의로 샘플링 된 지점에서 위치 정확도를 검증하였다. 또한 철저한 검증을 위해 GPS 신호 수신율과 건물의 복잡성이 다른 6 가지 도시 지역에서 맵핑 알고리즘을 수행하였고 결과분석을 통해 제안하는 연구방법이 도시환경 맵핑을 위한 적절한 시스템임을 검증하였다. 또한 철저한 검증을 위해 GPS 신호 수신율과 건물의 복잡성이 다른 6 가지 도시 지역에서 맵핑 알고리즘을 수행하였고 결과분석을 통해 제안하는 연구방법이 도시환경 맵핑을 위한 적절한 시스템임을 검증하였다.
