In this study, we compare different variations of the Iterative ClosestPoint (ICP) algorithm for the purpose of matching laser scans generatedby an indoor robot. The study is mainly focused on investigating maxi-mum difference in the viewpoint the algorithms can handle, and if it canbe used for robot-pose estimation by matching laser scan data generatedat different positions in a home. This study was carried out at Electroluxusing the robotic vacuum cleaner PUREi9 for gathering the dataset tobe used for the comparison.The ICP algorithm and its variations can achieve improved perfor-mance by fine-tuning heuristics and correspondences, which often re-quires substantial manual assistance and the tuning result often varyingcase-by-case. This study limits this fine tuning to standard parametersfor the purpose of comparing standard implementations, and focuses theresult more as a guideline toward what version and format is suitable forour use case.The result confirms the superiority of the Generalized ICP (GICP)version over the other versions compared in this report. The GICP ver-sion performed better for estimating the correct transform for both thetranslation distance and rotational distance between the point clouds.Two data formats were also compared. One with the aim to create adense point cloud and another data format with a more sparse pointcloud. Comparing the result of on these two data formats, we also testedthe implicit assumption of the ICP algorithm that the point cloud have tobe dense for the algorithm to perform well. From the result obtained, weconclude that this implicit assumption does not affect the performanceof the algorithms for our usage.Keywords:, Iterative Closest Point, ICP / I den här studien jämför vi de olika variationerna av Iterative closest point- algoritmen för att matcha punkt-molnen genererade av laseravläsningar i olika positioner av en inomhusrobot. Studiens syfte är att undersöka hur stor skillnad i avstånd mellan de två punkt-molnen algoritmerna kan hantera, och om det kan användas för syftet att estimera robotens position genom att matcha laseravläsningar genererade i olika positioner i ett hem. Denna studie utfördes vid Electrolux. Robotdammsugaren PUREi9 av Electrolux användes för att samla datan som användas för jämförelsen. ICP-algoritmen och dess variation kan uppnå förbättrad prestanda genom finjustering av heuristik och korrespondenser, vilket ofta kräver manuell korrigering och resultatet varierar ofta från fall till fall. Denna studie begränsar finjusteringen till standardparametrar för att jämföra standardimplementeringar och fokuserar på att undersöka vilken version och vilket format som passar vårt användningsfall. Resultatet bekräftar att Generalized ICP-versionen (GICP) presterar bättre än de andra versionerna som jämfördes i denna rapport. GICP-versionen presterade bättre i att uppskatta den korrekta omvandlingen mellan punktmoln med stora variationer i avstånd och rotation. Genom att jämföra två dataformat, ett punktmoln med hög densitet och det andra ursprungliga (råa) dataformatet med låg densitet testade vi också det implicita antagandet av ICP att punktmoln måste ha hög densitet för att algoritmen ska fungera bra. Av det erhållna resultatet kan vi dra slutsatsen att detta implicita antagande inte påverkar algoritmens prestanda för vår användning.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-234215 |
| Date | January 2018 |
| Creators | Lillrank, Dan |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2018:544 |
Page generated in 0.0018 seconds