Login
- Originaltitel:
- Map-based Long-term Localization and Mapping
- Originaluntertitel:
- Incorporating LiDAR, IMU and Camera Sensors
- Übersetzter Titel:
- Kartenbasierte Langzeit-Lokalisierung und Kartierung
- Übersetzter Untertitel:
- Einbindung von LiDAR-, IMU- und Kamerasensoren
- Autor:
- Vega-Torres, Miguel Arturo
- Jahr:
- 2024
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Engineering and Design
- Institution:
- Lehrstuhl für Computergestützte Modellierung und Simulation (Prof. Borrmann)
- Betreuer:
- Borrmann, André (Prof. Dr.)
- Gutachter:
- Borrmann, André (Prof. Dr.); Leutenegger, Stefan (Prof. Dr.); García de Soto, Borja (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- BAU Bauingenieurwesen, Vermessungswesen; TEC Technik, Ingenieurwissenschaften (allgemein)
- Stichworte:
- 3D-Mapping ; Localization ; SLAM ; Bundle Ajustment ; BIM ; Long-term ; LiDAR ; IMU ; Cameras ; Odometry, Robotics ; Mixed Reality ; Augmented Reality
- Übersetzte Stichworte:
- 3D-Kartierung ; Lokalisierung ; SLAM ; Bündelausgleichung ; BIM ; Langzeit ; LiDAR ; IMU ; Kameras ; Odometrie ; Robotik ; Mixed Reality ; Augmented Reality
- TU-Systematik:
- BAU 005; ARC 045
- Kurzfassung:
- This dissertation investigates long-term localization and mapping in changing indoor environments using LiDAR, IMU, and camera sensors. It explores the use of reference maps, including prior BIM models or point clouds, to improve sensor data accuracy. The methodology involves developing and evaluating frameworks using benchmark data. The results show significant improvements in the created SLAM maps and have practical implications for facility management.
- Übersetzte Kurzfassung:
- Diese Dissertation untersucht die langfristige Lokalisierung und Kartierung in sich verändernden Umgebungen mit LiDAR, IMU und Kamerasensoren. Sie erforscht die Nutzung von Referenzkarten auf der Basis von BIM-Modellen oder Punktwolken zur Verbesserung der Sensordatengenauigkeit. Die Methodik umfasst die Entwicklung und Evaluierung von Frameworks anhand von Benchmark-Daten. Die Ergebnisse zeigen signifikante Verbesserungen der SLAM-Karten und haben praktische Bedeutung für das Gebäudemanagement.
- WWW:
- https://mediatum.ub.tum.de/?id=1751635
- Eingereicht am:
- 21.08.2024
- Mündliche Prüfung:
- 11.12.2024
- Dateigröße:
- 55249669 bytes
- Seiten:
- 210
- Urn (Zitierfähige URL):
- https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20241211-1751635-0-4
- Letzte Änderung:
- 10.02.2025
BibTeX