Simultaneous localization and mapping of unmanned robotic vehicle with applications to autonomous navigation in a challenging environment

Αλαμάνος, Ιωάννης; Alamanos, Ioannis

dc.contributor.author	Αλαμάνος, Ιωάννης	el
dc.contributor.author	Alamanos, Ioannis	en
dc.date.accessioned	2023-02-01T10:58:09Z
dc.date.available	2023-02-01T10:58:09Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57002
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24700
dc.relation	info:eu-repo/grantAgreement/IRAL/NTUA/31102022/	el
dc.rights	Αναφορά Δημιουργού - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-sa/3.0/gr/	*
dc.subject	SLAM	en
dc.subject	Bundle Adjustment	en
dc.subject	Localization	en
dc.subject	Mapping	en
dc.subject	Line Segment Features	en
dc.subject	Εκτίμηση Θέσης	el
dc.subject	Χαρτογράφηση	el
dc.subject	Χαρακτηριστικά ως Ευθύγραμμα Τμήματα	el
dc.subject	Σημειακά Χαρακτηριστικά	el
dc.subject	Κλείσιμο Βρόχου	el
dc.title	Simultaneous localization and mapping of unmanned robotic vehicle with applications to autonomous navigation in a challenging environment	en
dc.title	Ταυτόχρονη χαρτογράφηση και εκτίμηση θέσης μη επανδρωμένου ρομποτικού οχήματος με εφαρμογές στην αυτόνομη πλοήγηση σε απαιτητικό περιβάλλον	el
heal.type	bachelorThesis
heal.classification	Robotics and autonomous navigation	en
heal.classification	Ρομποτική και αυτόνομη πλοήγηση	el
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-10-31
heal.abstract	In this thesis we propose ORB-LINE-SLAM, a real-time hybrid point-line and onlyline based visual Simultaneous Localizing and Mapping (SLAM) system for stereo cameras which can work in standard CPUs. This work is based on the ORB-SLAM3 open-source library. The motivation of the present thesis was to infuse line segments into the core of ORB-SLAM3 so as to overcome the challenges that it faces in demanding environments in which point features are not sufficient to estimate precisely the pose of the camera. The first novelty of the system is the introduction of an experimentally tuned adapting factor which aims to achieve a more efficient fusion of point and line features, as compared to classical methods which weigh the participation of points and lines in the optimization process equally. This necessity emerged from the complicated nature of the optimizations used in the line SLAM which assume that the endpoints of corresponding line segments are stable, although they are actually drifted throughout the infinite line that the line segment defines. In this way, we minimize the accumulating error in frames plentiful in point correspondences while we still take advantage of the rich information that line segments provide in low-textured environments in which the system determines insufficient orb matches. Moreover, to the best of our knowledge, this is the first open-source visual SLAM system that has the ability to effectively work by using line features exclusively. The biggest challenge related to only-line SLAM is that with the current existing line segment detectors and the restrictions that they set regarding the computational cost, the system can not define an adequate number of correspondences for the pose estimation. However, in our implementation by employing an efficient strategy for abstracting outliers and extracting lines from 2 scale levels with a sacrifice of computational cost, we significantly reinforce the efficacy of the system and partly overcome this impedance. Additional contributions of this thesis concern the expansion and adaptation of the components of ORB-SLAM3 to cope with line features, as well as the systematic comparison of different line feature detectors and error functions for the Bundle Adjustment (BA) process, to deduce which ones are the more effective for the visual SLAM problem. The results obtained from our experiments indicate that the proposed point-line method significantly improves the accuracy of ORB-SLAM3 in challenging conditions. Furthermore, the only-line method implemented in this work, despite its simplified nature, also manages to work in a standalone mode and to finish even difficult sequences with remarkable precision.	en
heal.abstract	Σε αυτή την διπλωματική εργασία παρουσιάζουμε το ORB-LINE-SLAM, ένα υβριδικό σύστημα ταυτόχρονης χαρτογράφησης και εκτίμησης θέσης (Simultaneous Localization and Mapping - SLAM) για stereo κάμερες, βασισμένο σε σημεία και γραμμές ή αποκλειστικά σε γραμμές, το όποιο έχει τη δυνατότητα να λειτουργήσει σε πραγματικό χρόνο σε συμβατικές CPUs. Η δουλειά αυτή είναι βασισμένη στην ORB-SLAM3 open-source βιβλιοθήκη. Το κίνητρο της παρούσας διπλωματικής ήταν να ενσωματώσουμε τα ευθύγραμμα τμήματα στον πυρήνα του ORB-SLAM3 ώστε να δώσουμε λύση στις προκλήσεις που το σύστημα αντιμετωπίζει σε απαιτητικά περιβάλλοντα όπου τα σημεία δεν επαρκούν για να υπολογιστεί με ακρίβεια η πόζα της κάμερας. Η πρώτη καινοτομία του συστήματος είναι η εισαγωγή ενός πειραματικά ρυθμισμένου προσαρμοστικού συντελεστή ο οποίος στοχεύει στο να πετύχει μια πιο αποδοτική συγχώνευση σημείων και γραμμών σε σύγκριση με άλλες κλασικές μεθόδους που τα σταθμίζουν το ίδιο στην διαδικασία βελτιστοποίησης. Αυτή η αναγκαιότητα προέκυψε από την ιδιόμορφη φύση των βελτιστοποιήσεων που χρησιμοποιούνται στο SLAM με γραμμές, οι οποίες υποθέτουν ότι τα ακραία σημεία των ταιριασμένων ευθύγραμμων τμημάτων είναι σταθερά, ενώ στην πραγματικότητα είναι μετατοπισμένα στην ευθεία που ορίζει ένα από τα δύο ευθύγραμμα τμήματα. Με αυτό τον τρόπο, ελαχιστοποιούμε το συσσωρευτικό σφάλμα στις εικόνες που υπάρχει αφθονία σε αντιστοιχίες σημείων ενώ διατηρούμε τη δυνατότητα εκμετάλλευσης της πλούσιας πληροφορίας που τα ευθύγραμμα τμήματα παρέχουν σε χαμηλής υφής περιβάλλοντα στα οποία το σύστημα προσδιορίζει ανεπαρκή αριθμό ORB αντιστοιχίσεων. Ακόμη, από όσο γνωρίζουμε, αυτό είναι το πρώτο open-source σύστημα οπτικού SLAM που έχει την ικανότητα να λειτουργήσει αποδοτικά αποκλειστικά με τη χρήση γραμμών. Επιπρόσθετες συνεισφορές αυτής της διπλωματικής αφορούν την επέκταση και την προσαρμογή των δομικών στοιχείων του ORB-SLAM3 όσον αφορά τις γραμμές, όπως επίσης και τη συστηματική σύγκριση διαφορετικών αλγορίθμων για εντοπισμό γραμμών αλλά και συναρτήσεων σφάλματος για τη διαδικασία του Bundle Adjustment (BA), ώστε να καταλήξουμε ποιες είναι οι πιο αποτελεσματικές για το πρόβλημα του οπτικού SLAM. Τα αποτελέσματα από τα πειράματά μας υποδεικνύουν ότι η προτεινόμενη μέθοδος που χρησιμοποιεί σημεία και γραμμές βελτιώνει σημαντικά την ακρίβεια του ORB-SLAM3 σε απαιτητικές συνθήκες. Επιπλέον, η μέθοδος μόνο με γραμμές που αναπτύχθηκε σε αυτή την εργασία, ανεξάρτητα από την απλοποιημένη φύση της, καταφέρνει σε αυτόνομη λειτουργία να ολοκληρώσει ακόμη και δύσκολες ακολουθίες εικόνων με αξιοσημείωτη ακρίβεια.	el
heal.advisorName	Τζαφέστας, Κωνσταντίνος	el
heal.advisorName	Tzafestas, Kostantinos	en
heal.committeeMemberName	Μαραγκός, Πέτρος	el
heal.committeeMemberName	Maragos, Petros	en
heal.committeeMemberName	Ψυλλάκης, Χαράλαμπος	el
heal.committeeMemberName	Psilakis, Haralambos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Σημάτων, Ελέγχου και Ρομποτικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	150 σ.	el
heal.fullTextAvailability	false