Introducing lines in dynamic visual SLAM and Rrid object motion estimation

Manetas, Argyris; Μανέτας, Αργύρης

dc.contributor.author	Manetas, Argyris	en
dc.contributor.author	Μανέτας, Αργύρης	el
dc.date.accessioned	2025-01-16T12:38:08Z
dc.date.available	2025-01-16T12:38:08Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/60779
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.28475
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	SLAM	en
dc.subject	vSLAM	en
dc.subject	Οπτικό SLAM	el
dc.subject	Δυναμικό SLAM	el
dc.subject	Dynamic SLAM	en
dc.subject	Multiple Object Tracking	en
dc.subject	Εντοπισμός Πολλαπλών Αντικειμένων	el
dc.subject	Line SLAM	en
dc.subject	SLAM με ευθείες	el
dc.title	Introducing lines in dynamic visual SLAM and Rrid object motion estimation	en
dc.title	Εισαγωγή ευθειών σε δυναμικό οπτικό SLAM και στην εκτίμηση κίνησης άκαμπτων αντικειμένων	el
heal.type	bachelorThesis
heal.classification	Robotics	en
heal.classification	Computer Vision	en
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-07-18
heal.abstract	Στο συνεχώς αναπτυσσόμενο πεδίο της ρομποτικής, η λύση του προβλήματος της ταυτόχρονης εκτίμησης πόζας και χαρτογράφησης, το οποίο θα αναφέρεται εφεξής ως SLAM, έχει καθιερωθεί ως βασική προϋπόθεση για την επίτευξη αυτόνομων τεχνολογιών. Ως ένα διεπιστημονικό πεδίο, το SLAM συνδέει αρχές από τις επιστήμες της ρομποτικής και της όρασης υπολογιστών, με στόχο την ταυτόχρονη δημιουργία ενός χάρτη του χώρου και την εκτίμηση της πόζας του ρομπότ μέσα σε αυτόν. Αυτή η δυνατότητα αποτελεί πυλώνα μίας πληθώρας εφαρμογών, μεταξύ αυτών της κινητής ρομποτικής, επιτρέποντας σε αυτόνομα συστήματα να αντιλαμβάνονται και να κατευθύνονται μέσα σε περίπλοκα περιβάλλοντα. Αν και ο ορισμός του προβλήματος και οι μέθοδοι που χρησιμοποιούνται για την επίλυση του SLAM έχουν ωριμάσει σε σημαντικό βαθμό, μεγάλες προκλήσεις, όπως η δυναμική φύση των ανθρωποκεντρικών περιβαλλόντων, παραμένουν, με πολλές υπάρχουσες υλοποιήσεις να βασίζονται στην υπόθεση του στατικού κόσμου, που συνήθως παραβιάζεται. Η ανάγκη για εύρωστα συστήματα SLAM έχει οδηγήσει στην σταδιακή εγκατάλειψη αυτής της υπόθεσης και στην στροφή προς δυναμικούς SLAM αλγόριθμους. Αν και έχουν υπάρξει πολλές προτάσεις δυναμικών SLAM, η συντριπτική πλειοψηφία αυτών βασίζεται μόνο σε σημειακά χαρακτηριστικά. Ωστόσο, η έρευνα σε στατικά SLAM συστήματα έχει δείξει ότι η συμπερίληψη περιπλοκότερων γεωμετρικών σχημάτων όπως οι ευθείες δύναται να βελτιώσει την απόδοση. Παρακινούμενοι από αυτή την παρατήρηση, σε αυτή τη διπλωματική εργασία δημιουργήσαμε ένα νέο δυναμικό SLAM σύστημα το οποίο εκτιμά τις πόζες της κάμερας και την κίνηση άκαμπτων αντικειμένων, αξιοποιώντας τόσο στατικά όσο και δυναμικά σημεία και ευθείες. Τα ευθύγραμμα τμήματα έχουν ενσωματωθεί με καινοτόμους τρόπους σε κάθε πτυχή του αλγορίθμου μας, με την βελτίωση στις αντιστοιχίσεις τους μέσω της βελτιστοποίησης της οπτικής ροής, την εισαγωγή όρων σφάλματος στις κινήσεις της κάμερας και των αντικειμένων, και στην βελτιστοποίηση παρτίδας. Η πρότασή μας δοκιμάστηκε εκτενώς σε σύνολα δεδομένων εσωτερικού και εξωτερικού χώρου και επέτυχε σημαντική βελτίωση σε σύγκριση με άλλα σύγχρονα δυναμικά SLAM συστήματα. Τα αποτελέσματα μας επέδειξαν ότι τα ευθύγραμμα τμήματα βελτίωσαν την ευρωστία, συνεισφέροντας με αυτόν τον τρόπο σε ένα πλήρως λειτουργικό SLAM σύστημα.	el
heal.abstract	In the rapidly evolving field of robotics, the Simultaneous Localization and Mapping (SLAM) problem has garnered significant attention as a cornerstone for autonomous technologies. As a multidisciplinary field, SLAM integrates principles from robotics, computer vision, optimization, and machine learning, with the aim to concurrently map the environment and estimate a robot's location within it. This capability is of great importance for a plethora of applications, including mobile robotics and augmented reality, enabling autonomous systems to navigate and perceive complex environments. Although the formulation of the problem and the approaches employed in SLAM have matured in a large degree, with the emergence of many robust algorithms, major challenges such as the dynamic nature of real-world environments still remain. Existent solutions often assume a static environment, an assumption frequently violated in human-occupied spaces. The need for a robust SLAM system operating in real scenarios has led to the gradual abandonment of the static world assumption and to the creation of many dynamic SLAM algorithms. Even though there have been many dynamic SLAM proposals, the vast majority of them relied on point features. However, research in static SLAM systems has demonstrated that the use of more complex geometric shapes such as lines can improve performance. Motivated by this, in this thesis we have created a new dynamic SLAM system that estimates the camera poses and the motion of rigid objects, by exploiting both static and dynamic points and lines. Line segments have been incorporated in a novel way in every aspect of our algorithm, by improving their correspondences through optical flow refinement, and by introducing line error terms in both camera and object motion, and in batch optimization. Our proposal has been tested extensively in indoor and outdoor datasets and has achieved significant improvement compared to other state-of-the-art dynamic SLAM systems. Our results demonstrated that line segments enhanced the robustness, thus contributing towards a fully operational SLAM system.	en
heal.advisorName	Maragos, Petros	en
heal.committeeMemberName	Rontogiannis, Athanasios	en
heal.committeeMemberName	Kordonis, Ioannis	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Σημάτων, Ελέγχου και Ρομποτικής. Εργαστήριο Ρομποτικής και Αυτοματισμού	el
heal.academicPublisherID	ntua
heal.numberOfPages	109 σ.	el
heal.fullTextAvailability	false