ScanPos - Präzise Positionierung mit Laserscandaten
| Jahr: | 2017 |
Laserscanning gewinnt für Anwendungen in Fahrzeugen immer mehr an Bedeutung. So kann ein in der Front eines PKWs eingebauter Laserscanner das Vorfeld des Fahrzeuges erfassen und damit sich im Sichtfeld befindliche Gegenstände detektieren, mit denen es zu einer Kollision kommen könnte. Ein auf Laserscanning basierendes Assistenzsystem kann in die Führung des Fahrzeuges eingreifen und so plötzlich auftretenden Hindernissen auf der Fahrbahn, wie Fußgängern oder anderen Kraftfahrzeugen, ausweichen. Die Zeitspanne von der Erkennung des Hindernisses bis zur Reaktion und Einleitung des Ausweich- oder Bremsmanövers kann so deutlich verkürzt werden und somit zur Unfallverminderung beitragen. In Zukunft sollen Fahrerassistenzsysteme den Fahrer nicht nur bei der Führung des Fahrzeuges unterstützen, sondern dieses unter Umständen auch völlig autonom steuern können. Um dieses Ziel zu erreichen, ist es notwendig, dass die Standpunktinformationen, wie Position und Orientierung, jedes Fahrzeuges exakt bekannt sind. Diese Informationen werden ebenfalls für Augmented-Reality-Navigationssysteme benötigt, die georeferenzierte virtuelle Fahranweisungen direkt im Gesichtsfeld des Fahrers darstellen und ihn somit bei der Navigation unterstützen. Herkömmliche Sensorik wie kartengestütztes GPS, Drehratensensor oder Odometer sind für die beschriebenen Aufgaben nur bedingt einsetzbar, da sie entweder nicht über die geforderte Genauigkeit verfügen oder keine hohe Langzeitstabilität aufweisen. An dieser Stelle soll das Projektseminar ansetzen. Die Idee ist, dass man die Daten eines bereits im Fahrzeug integrierten Laserscanners nicht nur zur Erfassung von Hindernissen, sondern auch zur Positionsbestimmung verwenden kann und dabei zuverlässigere und genauere Ergebnisse erhält, als solche, die mit herkömmlicher Sensorik erzielt werden. Diese könnte dann durch den Einsatz von Laserscanning unterstützt, oder sogar gänzlich ersetzt werden.
Für diese Aufgabe wurde ein featurebasierter Ansatz gewählt, welcher Orientierung und Position eines Scans über extrahierte Gebäudekanten herleiten soll. Diese eignen sich vor allem aufgrund ihrer Langzeitstabilität sehr gut für diese Aufgabe. Zur Lösung des Problems wurde ein Algorithmus entwickelt, welcher die aufgenommenen Punktwolke zunächst so ausdünnt, dass nur längliche Objekte erhalten bleiben, während rundliche Objekte herausgefiltert werden. Anschließend werden in dem gefilterten Scan Linienfeatures mit einem Verfahren extrahiert, welches die Methoden des RANSAC- Algorithmus mit denen der Regionenexpansion kombiniert. Über die extrahierten Linienfeatures, Näherungswerten für Position und Rotation, sowie einer Karte, die sämtliche georeferenzierte Linienfeatures enthält, wird dann zunächst die Orientierung und anschließend die Positionierung mittels zwei verschiedener Scorefunktionen ermittelt und hergestellt. Zuletzt wird über eine Positionsausgleichung das Ergebnis der Positionierung verbessert und mit Qualitätsmaßen versehen. Für den Test des entwickelten Verfahrens wurde der Parkplatz auf der Nordseite des Mehrzweckhochhauses mit Hilfe des vom Institut für Kartographie und Geoinformatik bereitgestellten Laserscanners RIEGL-LMS Z360i gescannt und dieser Scan anschließend georeferenziert. Um einen 2D- Scan zu simulieren wurde ein horizontaler Schnitt durch die Punktwolke gelegt und durch Ausdünnen und Linienextraktion eine georeferenzierte Featurekarte erstellt. Nun konnten einzelne nicht referenzierte Standpunkte mit Hilfe des Verfahrens orientiert und positioniert, und diese Ergebnisse mit vorher bestimmten Sollwerten verglichen werden.
3D-Punktwolke des aufgenommenen Testgebietes und Featurekarte mit georeferenzierten Linienfeatures
Insgesamt haben über 100 Testdurchläufe gezeigt, dass eine Positionierung mittels Laserscanning über eine Extraktion von Linienfeatures generell möglich ist. Dabei waren nur 8 % aller Positionierungen weiter als 1 m von der Referenz entfernt. Unter diesen Fehlpositionierungen sind allerdings auch Ausreißer von bis zu 129 m aufgetreten. 42 % aller Testdurchläufe waren hingegen besser als 10 cm und kommen somit für eine präzise Positionierung wie man sie zum Beispiel für Augmented-Reality-Navigationssysteme benötigt in Frage. Dabei hat sich herausgestellt, dass die Qualität des Positionierungsergebnisses sehr stark von der Konfiguration der Linienfeatures abhängig ist. Treten in einem Scan nur annähernd parallel verlaufende Linien auf, so kann man kein brauchbares Ergebnis erhalten, da die Translationsermittlung in der Hauptrichtung des Linienverlaufes nicht gestützt werden kann. Um ein halbwegs sicheres und genaues Ergebnis zu erhalten, sind also mindestens drei in Position und Orientierung gut verteilte Linien notwendig.
Zusammenfassend kann man sagen, dass es mit Hilfe des entwickelten Algorithmus gelungen ist, eine Positionierung mittels Laserscanning durchzuführen. In knapp der Hälfte der durchgeführten Positionierungstests wurde dabei eine Genauigkeit von unter 10 cm erreicht, was darauf schließen lässt, dass das Verfahren Potential für eine hochpräzise Positionierung hat. Das größte Verbesserungspotential liegt dabei in der Bestimmung der Translation und in der Verbesserung der Echtzeitfähigkeit. Können diese Probleme gelöst werden, hat das Verfahren durchaus das Potential bestehende Positionierungssensoren wie GPS oder Odometer zu ergänzen oder zu ersetzen, da es eine präzisere Positionierung als GPS und eine höhere Langzeitstabilität als Koppelnavigation gewährleisten kann.
