Centre de documentation
scientifique

LiDAR-based point clouds registration for localization in indoor environments / Ketty Favre (2021)  

Public 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, Vision Langues : 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 données Index. 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 Conclusion Numéro 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