Abschlussarbeit

Visuelle 0dometrie mit Stützstellenkorrektur für Anwendungen in Mobile Mapping Systemen

Kamerabild
Gefundene Feature-Punkte in einem Kamerabild (Abbildung: Sarah Wiegel)

Details

Extern/e Autor:in
sarah Wiegel
Extern/e Betreuer:in
Dipl. Ing. Markus Mettenleiter, Zoller+Fröhlich GmbH
Intern/e Betreuer:in
Prof. Dr. Thomas Abmayr
Abschluss
Master
Studiengang
Geomatik
Jahr
2025
Fakultät
Fakultät für Geoinformation
Status
abgeschlossen
Themengruppe
Navigation
Weiteres

#extern

In dieser Arbeit wird die Berechnung einer visuellen Odometrie implementiert und anhand mehrerer Datensätze getestet. Die visuelle Odometrie wird verwendet, um die Bewegung eines Geräts allein anhand von Bilddaten zu schätzen. Dabei werden die Position und die Orientierung über die Zeit durch die Analyse von Bildfolgen geschätzt.

Zur Realisierung wird ein Programm implementiert, in welchem die einzelnen Schritte der visuellen Odometrie umgesetzt sind. Zuerst werden die Feature-Punkte in den Bildern der Bildfolgen extrahiert und anschließend zum jeweils darauffolgenden Bild gematcht. Eine erste Schätzung der Position wird anschließend mithilfe der essentiellen Matrix durchgeführt, um daraus 3D-Punkte zu triangulieren. Diese 3D-Punkte sowie die Translation und Rotation der Kamerastandpunkte werden mithilfe der 2D-Punkte sowie der intrinsischen Kameraparameter über ein Windowed Bundle Adjustment optimiert. Zusätzlich wird eine Korrektur der berechneten Trajektorie über bekannte Stützstellen implementiert. Diese Optimierung kann in selbstgewählten Intervallen durchgeführt werden.

Zum Testen des Programms stehen vier Datensätze zur Verfügung. Für jeden Datensatz wird das Programm vier Mal mit unterschiedlichen Optimierungsintervallen und der Menge an extrahierten Keypoints durchgeführt.

Die Ergebnisse zeigen, dass die visuelle Odometrie für alle Datensätze außer für einen durchgeführt werden kann. Für den problematischen Datensatz können in vielen Bildern nicht genügend Keypoints gefunden werden, um die nächste Position schätzen zu können. Für alle anderen Datensätze kann die gesamte Trajektorie problemlos berechnet werden. Die besten Ergebnisse werden mit der höchsten Optimierungsfrequenz erzielt. In Zukunft sollte das Bundle Adjustment dahingehend verbessert werden, dass weniger Optimierungen notwendig sind. Ideen für diese Verbesserungen sind beispielsweise das Einbauen von Loop Closures oder das Verwenden weiterer Sensoren.

Abbildungen

4/4