3D mapping accuracy is affected by the data acquisition path of the mobile mapping system. In this thesis, we will propose a path pre-planning method that optimizes 3D mapping accuracy in terms of the trajectory error, using the reinforcement learning technique and an RGB image and a depth image of the target area.
Our method first predicts the LiDAR measurement quality of the scene from an RGB and depth image. In this step, we calculate normal vectors for each pixel point and the scene with more diverse normal vectors is considered as a scene with better LiDAR measurement. We then convert location measurement into graph structure using predicted LiDAR measurement. Using the obtained graph, we finally calculate the optimal path using the reinforcement learning technique.
Lastly, our experiment in the simulation environment shows our method lowers trajectory error compared to a randomly generated path and also faster than existing path planning algorithms on the graph structure.
3D 지도 제작의 정확도는 모바일 매핑 시스템의 데이터 취득 경로에 영향을 받는다. 본 논문에서는 강화학습 기법과 RGB 이미지, 깊이 이미지를 사용하여 궤도 오차의 관점에서 3D 지도 제작의 정확도를 최적화하는 경로 사전 계획 방법을 제안하였다. 먼저 RGB 이미지와 깊이 이미지를 사용하여 각 위치의 LiDAR 센서 품질을 예측한다. 각 픽셀마다 법선 벡터를 계산하고 이미지 내에서 더 다양한 법선 벡터의 분포를 보이는 이미지를 LiDAR 센서 품질이 더 좋은 위치로 간주하여 LiDAR 센서 품질을 점수로 나타낸 다. 그후,얻은점수를사용하여위치측정값을그래프구조로변환한다. 얻은그래프구조를사용하여 강화학습 기술을 통해 궤도 오차를 최소화하는 경로를 계산한다. 마지막으로, 시뮬레이션 환경에서 실험을 진행하여 본 논문에서 제시한 방법이 무작위로 생성된 경로에 비교하여 궤도 오차를 낮췄다는 점과 기존 그래프 구조 경로 계획 알고리즘에 비하여 계산 속도가 빨라졌음을 보여주었다.
