Détail de l'auteur
Auteur Ketty Favre |
Documents disponibles écrits par cet auteur (1)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
Titre : LiDAR-based point clouds registration for localization in indoor environments Type de document : Thèse/HDR Auteurs : Ketty Favre, Auteur ; Luce Morin, Directeur de thèse ; Eric Marchand, Directeur de thèse Editeur : Rennes : Université de Rennes 1 Année de publication : 2021 Importance : 146 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université Rennes 1, Spécialité Signal, Image, VisionLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] algorithme de Gauss-Newton
[Termes IGN] appariement d'images
[Termes IGN] cartographie et localisation simultanées
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] espace intérieur
[Termes IGN] octree
[Termes IGN] Ransac (algorithme)
[Termes IGN] recalage de données localisées
[Termes IGN] scène intérieure
[Termes IGN] semis de points
[Termes IGN] superposition de donnéesIndex. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis deals with the problem of registration of 3D point clouds in indoor environments. Registration methods are proposed to obtain a compromise between time and accuracy. First, GNMR-ICP, a multi-resolution algorithm which robustly minimizes the point-to-plane distance between two point clouds using a Gauss-Newton method. The multi-resolution is done using an octree. On the ASL benchmark dataset, GNMR-ICP gives more accurate results than its equivalent using the small angle approximation (81% success rate against 43%). Computation times in structured environments are reduced (up to a factor of 2). Next we present NAP-ICP, an algorithm based on plane matching. Planes are matched using a score function based on the characteristics of pairs of planes. An additional point-to-plane registration is performed to ensure maximum accuracy. NAP-ICP registers 100% of the interior scenes of the ASL dataset and is more accurate than the evaluated state-of-the-art functions and is able to close the loops of the LOOP’IN dataset. Finally, PAR-ICP, a plane-based method where the matching is performed using a Random Forest is presented. PAR-ICP registers 100% of the interior scenes of the ASL dataset and is able to close the loops of LOOP’IN, allowing to generate incremental maps. Note de contenu : Introduction
1- Background
2- State of the art
3- Datasets
4- Multi-resolution registration of 3D point clouds
5- Plane-based registration of 3D point clouds
6- Learning-based plane matching for planet-to-plane
ConclusionNuméro de notice : 28635 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Image, Vision : Rennes 1 : 2021 Organisme de stage : Institut d'Électronique et de Télécommunications DOI : sans En ligne : http://www.theses.fr/2021REN1S059 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99666