Multi-sensor Fusion and Low-delay Ego-motion Estimation for 6D SLAM

Karimi, Mojtaba

Mojtaba Karimi

If you experience problems opening the document, please try this link.

Original title:: Multi-sensor Fusion and Low-delay Ego-motion Estimation for 6D SLAM
Translated title:: Multi-Sensor-Fusion und Low-Delay-Ego-Motion-Estimation für 6D SLAM
Author:: Karimi, Mojtaba
Year:: 2022
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Steinbach, Eckehard (Prof. Dr.)
Referee:: Steinbach, Eckehard (Prof. Dr.); Horn, Joachim (Prof. Dr.)
Language:: en
Subject group:: ELT Elektrotechnik
TUM classification:: DAT 760
Abstract:: 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.
Translated abstract:: 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
Date of submission:: 15.06.2022
Oral examination:: 24.11.2022
File size:: 29140882 bytes
Pages:: 116
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221124-1661389-1-4
Last change:: 27.02.2024
BibTeX