Detekce objektů v mračnu 3D bodů

Abstract

Samořídicí roboti a auta se v posledních letech stali horkým tématem široké veřejnosti. Aby fungovalo plánování cesty a detekce překážek, tak robot musí znát mapu prostředí a jeho polohu v této mapě. V neznámém prostředí takovou mapu nemá a tím pádem v ní polohu určit nemůže. Proto robot musí mapu tvořit za jízdy a zároveň se v ní musí umět najít. Takovou situaci řeší současné mapování a lokalizace, zkráceně SLAM. Uvnitř práce se dozvíte, co SLAM znamená a jak se dá řešit. Pro samotné tvoření mapy se v této práci využívá laserový snímač Velodyne LiDAR, jehož výstupem je mračno bodů v prostoru. Tento výstup zpracovává open-source software Google Cartographer. V práci je popsána jeho konfigurace a následně pro výslednou mapu je implementován detektor překážek.

Self-driving cars and robots have became a hot topic for a broad audience in a recent years. Robot has to know map of the environment and their location in such a map for proper path planning and obstacle detection. In unknown environment the robot doesn’t have the map so it can’t find itself in it. This situation is solved by Simultaneous Localization and Mapping, which is a long name for SLAM. In this thesis you will learn what SLAM actually means and how to solve it. Laser sensor Velodyne LiDAR produces point cloud and is used for creating the map. Point cloud is fed into open-source software Google Cartographer. In the thesis its configuration is described and obstacle detector is implemented for the created map.