Login
- Original title:
- Map-based Long-term Localization and Mapping
- Original subtitle:
- Incorporating LiDAR, IMU and Camera Sensors
- Translated title:
- Kartenbasierte Langzeit-Lokalisierung und Kartierung
- Translated subtitle:
- Einbindung von LiDAR-, IMU- und Kamerasensoren
- Author:
- Vega-Torres, Miguel Arturo
- Year:
- 2024
- Document type:
- Dissertation
- Faculty/School:
- TUM School of Engineering and Design
- Institution:
- Lehrstuhl für Computergestützte Modellierung und Simulation (Prof. Borrmann)
- Advisor:
- Borrmann, André (Prof. Dr.)
- Referee:
- Borrmann, André (Prof. Dr.); Leutenegger, Stefan (Prof. Dr.); García de Soto, Borja (Prof. Dr.)
- Language:
- en
- Subject group:
- BAU Bauingenieurwesen, Vermessungswesen; TEC Technik, Ingenieurwissenschaften (allgemein)
- Keywords:
- 3D-Mapping ; Localization ; SLAM ; Bundle Ajustment ; BIM ; Long-term ; LiDAR ; IMU ; Cameras ; Odometry, Robotics ; Mixed Reality ; Augmented Reality
- Translated keywords:
- 3D-Kartierung ; Lokalisierung ; SLAM ; Bündelausgleichung ; BIM ; Langzeit ; LiDAR ; IMU ; Kameras ; Odometrie ; Robotik ; Mixed Reality ; Augmented Reality
- TUM classification:
- BAU 005; ARC 045
- Abstract:
- 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.
- Translated abstract:
- 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
- Date of submission:
- 21.08.2024
- Oral examination:
- 11.12.2024
- File size:
- 55249669 bytes
- Pages:
- 210
- Urn (citeable URL):
- https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20241211-1751635-0-4
- Last change:
- 10.02.2025
BibTeX