Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Multi-sensor Fusion and Low-delay Ego-motion Estimation for 6D SLAM
Übersetzter Titel:
Multi-Sensor-Fusion und Low-Delay-Ego-Motion-Estimation für 6D SLAM
Autor:
Karimi, Mojtaba
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Steinbach, Eckehard (Prof. Dr.)
Gutachter:
Steinbach, Eckehard (Prof. Dr.); Horn, Joachim (Prof. Dr.)
Sprache:
en
Fachgebiet:
ELT Elektrotechnik
TU-Systematik:
DAT 760
Kurzfassung:
In this thesis, we propose to tackle the real-time 6D SLAM problem by leveraging range, magnetic, and inertial sensing in a coarse-to-fine manner. The content of this work is divided into two main subsections: robust attitude and heading estimation in an indoor environment using a multi-sensor fusion approach, and low-latency 6D ego-motion estimation and mapping techniques using LiDAR-based systems. We have validated the proposed methods through a series of extensive experiments.
Übersetzte Kurzfassung:
Wir schlagen vor, das Echtzeit-6D-SLAM-Problem anzugehen, indem wir die Entfernungs-, Magnet- und Trägheitserfassung auf grobe bis feine Weise nutzen. Es ist in zwei Hauptunterabschnitte unterteilt: robuste Lage- und Kursschätzung in einer Innenumgebung unter Verwendung einer Multi-Sensor-Fusion und 6D-Ego-Motion-Schätzung und Mapping-Techniken mit niedriger Latenzzeit unter Verwendung von LiDAR-Systemen. Wir haben die vorgeschlagenen Methoden durch umfangreiche Experimente validiert.
WWW:
https://mediatum.ub.tum.de/?id=1661389
Eingereicht am:
15.06.2022
Mündliche Prüfung:
24.11.2022
Dateigröße:
29140882 bytes
Seiten:
116
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221124-1661389-1-4
Letzte Änderung:
27.02.2024
 BibTeX