IMU- und landmarkengestützte Parameterschätzung zur Trajektorienberechnung für Anwendungen in Mobile Mapping Systemen

Mobile Mapping Systeme ermöglichen die hochauflösende, georeferenzierte Erfassung der Umgebung in Bewegung und finden zunehmend Anwendung in Bereichen wie autonomer Navigation, Infrastrukturvermessung oder Smart Cities. Ein zentrales Problem dieser Systeme stellt der Ausfall von GNSS-Signalen etwa in Tunneln, unterirdischen Anlagen oder urbanen Canyons dar. In solchen Fällen sind Trajektorien, die auf einer Kopplung von GNSS und IMU basieren, fehleranfällig und driften mit der Zeit stark ab. Ziel dieser Arbeit ist die Entwicklung und Evaluation eines Verfahrens zur Landmarken-basierten Trajektorienkorrektur, das die IMU-gestützte Bewegungsschätzung durch externe Referenzpunkte (Landmarken) stabilisiert. Hierzu wurde ein Python-basiertes Optimierungsframework implementiert, das Landmarkeninformationen in die Trajektorienberechnung integriert. Im Rahmen zweier realer Messfahrten, mit und ohne GNSS, wurden relevante Parameter wie Abtastrate, Optimierungsgrenzen und Filterkonfigurationen untersucht. Ergänzend erfolgte eine qualitative und quantitative Bewertung der Trajektorien über Punktwolkenvergleiche sowie eingemessene Zielmarken. Die Ergebnisse zeigen, dass Landmarken die Trajektorien signifikant verbessern können, insbesondere bei vollständig ausgefallenem GNSS. Während eine GNSS-freie Fahrt ursprünglich Höhenabweichungen von bis zu 2,5 m zeigte, konnten diese durch Landmarkenoptimierung auf unter 10 cm reduziert werden. Auch im Vergleich zur GNSS-Trajektorie ergaben sich nach Optimierung geringe Differenzen (< 15 cm) über mehrere Minuten hinweg. Die Methode zeigt somit Potenzial als ergänzendes Lokalisierungsverfahren für kritische Umgebungen, wobei Einschränkungen in Bezug auf Modellkomplexität und Echtzeitfähigkeit bestehen.