Srovnání mapovacích algoritmů pro jejich nasazení na robotech s nejistou pózou

Abstract

Nejistota pózy je jedním z hlavních problémů týkajících se mapování obsazenosti prostředí pomocí bezpilotních letounů (UAV). Tato práce se zaměřuje na metody používající LiDAR a momentální state of the art. Tyto mapovací metody, jmenovitě OctoMap, UFOMap, a Voxblox, jsou porovnány v přesnosti pomocí tří různých metrik, a to v závislosti na nejistotě pózy, a pomocí známých pozic překážek v simulovaných prostředích. Dále jsou diskutována tři potenciální vylepšení pro zmírnění efektu šumu ze senzorů, která by zvýšila celkovou schopnost těchto metod přesněji zmapovat okolní prostředí. Nejprve se pozoruje efekt těchto vylepšení na každé metodě individuálně, a poté všech vylepšení v jednom experimentu. Tyto výsledky jsou pak porovnány s původními výsledky bez diskutovaných vylepšení.

Pose uncertainty is one of the main problems when applying mapping methods onboard \acp{UAV}. This thesis focuses on approaches regarding Light Detection and Ranging (LiDAR) based mapping on an autonomous UAV and current state of the art. These mapping methods, namely OctoMap, UFOMap, and Voxblox,are compared in accuracy using three different metrics, with respect to the pose uncertainty, and a knowledge of the ground truth poses of obstacles in the simulated environments. Furthermore, three potential improvements in mitigating the effects of the sensor noise in order to enhance overall mapping performance are discussed, first observing their effects individually on each method, and then using all of the proposed improvements in a single experiment and comparing it to the original result.