FR3141535A1 - système et méthode de construction d’une carte d’un environnement - Google Patents

système et méthode de construction d’une carte d’un environnement Download PDF

Info

Publication number
FR3141535A1
FR3141535A1 FR2211164A FR2211164A FR3141535A1 FR 3141535 A1 FR3141535 A1 FR 3141535A1 FR 2211164 A FR2211164 A FR 2211164A FR 2211164 A FR2211164 A FR 2211164A FR 3141535 A1 FR3141535 A1 FR 3141535A1
Authority
FR
France
Prior art keywords
points
interest
measuring device
area
environment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
FR2211164A
Other languages
English (en)
Inventor
Jean Michel BARRAU Axel
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Offroad
Original Assignee
Offroad
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Offroad filed Critical Offroad
Priority to FR2211164A priority Critical patent/FR3141535A1/fr
Priority to PCT/EP2023/079853 priority patent/WO2024089140A1/fr
Publication of FR3141535A1 publication Critical patent/FR3141535A1/fr
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Navigation (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

Un système (1) de construction d’une carte d’un environnement comprenant : - un dispositif de mesure (10) comprenant au moins un lidar (101) acquérant un nuage de points représentatif dudit environnement,- un processeur (11) configuré pour *effectuer une présélection d’une pluralité d’ensembles de points initiaux dans le nuage de points, chaque ensemble de points initial étant représentatif d’une potentielle zone d’intérêt de l’environnement, *pour chaque ensemble de points initial, rechercher une correction locale à apporter à un mouvement du dispositif de mesure (10) le long de chaque potentielle zone d’intérêt pour déterminer si chaque ensemble de points initial représente effectivement une zone d’intérêt, *corriger conjointement les ensembles de points initiaux représentant effectivement une zone d’intérêt, en appliquant une correction globale à un mouvement du dispositif de mesure (10) dans l’environnement, *construire la carte de l’environnement avec les ensembles de points initiaux corrigés et les ensemble de points initiaux ne représentant pas de zone d’intérêt. Figure pour l’abrégé : figure 1

Description

système et méthode de construction d’une carte d’un environnement DOMAINE DE L’INVENTION
La présente invention se rapporte à un système et une méthode de construction d’une carte d’un environnement. Plus précisément, l’invention se rapporte au domaine de la cartographie automatique d’un environnement à partir d’un nuage de points en trois dimensions acquis par un dispositif de cartographie comprenant un lidar (de l’acronyme anglais Light Detection And Ranging, « détection et télémétrie par la lumière » en français).
 ARRIÈRE-PLAN TECHNOLOGIQUE
Dans le domaine de la cartographie automatique, un environnement peut être cartographié au moyen d’un dispositif de mesure, mobile dans l’environnement, comprenant au moins un lidar. Le lidar effectue des balayages de l’environnement dans lequel le dispositif se déplace et acquiert ainsi des nuages de points représentatifs de l’environnement dans lequel il évolue. Un tel environnement peut être un bâtiment, une route, un chantier de construction, etc. La carte de l’environnement est construite au fur et à mesure de l’acquisition de points par le lidar, i.e. au fur et à mesure que le dispositif de mesure comprenant le lidar se déplace.
Toutefois, dans certains cas, la carte de l’environnement ainsi construite peut ne pas être représentative de l’environnement, au moins en certains endroits. Dans ce cas, la carte de l’environnement apparaîtra comme floue. Cela peut se produire car le lidar prend des mesures relatives, il est donc nécessaire de connaître sa position et son orientation pour pouvoir situer les points qu’il retourne à chaque acquisition dans un repère de coordonnées orthogonal global situant l’environnement cartographié.
Lorsque les mesures du lidar sont utilisées pour calculer conjointement la position et l’orientation du dispositif ainsi que la carte, la technique mise en œuvre s’appelle la technique du SLAM (pour l’acronyme anglais Simultaneous Localization and Mapping, « cartographie et localisation simultanées » en français). Elle consiste en la construction de la carte de l’environnement par un dispositif de mesure comprenant un lidar, combinée à l’identification de la trajectoire et de l’orientation du dispositif de mesure.
En particulier, la trajectoire du dispositif de mesure n’est pas connue à chaque instant. Ainsi, à chaque trajectoire hypothétique du dispositif de mesure peut être associée une carte différente de l’environnement. La qualité de la carte de l’environnement est notamment conditionnée par la connaissance de la trajectoire du dispositif de mesure, c’est-à-dire qu’il faut trouver la trajectoire correcte du dispositif de mesure dans l’environnement pour obtenir une carte de l’environnement de bonne qualité. Conséquemment, la trajectoire du dispositif peut être identifiée en recherchant celle qui conduit à la meilleure qualité de la carte de l’environnement.
La recherche de la trajectoire et de la carte de meilleure qualité est effectuée en simultanée.
Pour ce faire, il est possible de définir des zones d’intérêt dans l’environnement. De telles zones peuvent notamment comprendre une zone plane de l’environnement, par exemple un mur, une façade, une route, etc. De telles zones d’intérêt ont l’avantage d’être facilement cartographiables, de sorte qu’elles présentent un intérêt dans l’estimation de la trajectoire du dispositif de mesure dans l’environnement. Il s’agit alors de se focaliser sur de telles zones pour améliorer l’estimation de la trajectoire et obtenir une carte de bonne qualité.
L’un des enjeux du SLAM est que la cartographie tend à être faite de manière automatique, sans qu’une personne extérieure ne définisse quelles zones présentent un intérêt pour l’estimation de la trajectoire du dispositif de mesure.
Dans cette optique, l’art antérieur propose de repérer des zones approximativement planes, considérées comme des zones d’intérêt, sur le nuage de points et de sélectionner certaines de ces zones comme zones planes en fonction d’un critère de qualité correspondant à l’épaisseur de ces zones.
Plus précisément, la méthode connue consiste à réaliser une première reconstruction approximative d’un nuage de points à partir d’une trajectoire du dispositif a priori. Les zones approximativement planes sur le nuage de points sont repérés. Leur épaisseur est évaluée afin de déterminer si elle correspond à une épaisseur prédéfinie. Il s’agit donc de comparer l’épaisseur du nuage de points le long d’une zone avec l’épaisseur prédéfinie. Si l’épaisseur du nuage de points le long d’une zone correspond à l’épaisseur prédéfinie, ces zones sont sélectionnées comme zones planes, puis la trajectoire globale du dispositif est modifiée pour réduire l’épaisseur des zones approximativement planes trouvées, c’est-à-dire pour les rendre effectivement planes.
Toutefois, cette solution n’est pas satisfaisante. En effet, le critère de l’épaisseur est subjectif et peu précis. Par exemple, si une épaisseur prédéfinie trop importante est tolérée, il y a un risque de sélectionner des zones qui, en réalité, ne sont pas planes.
En revanche, si une épaisseur prédéfinie trop basse est tolérée, il existe un risque de trouver très peu de zones planes. Ce risque vient du fait que, pour une épaisseur prédéfinie trop basse, la trajectoire du dispositif de mesure doit être connue avec une précision d’autant plus élevée. En effet, les zones approximativement planes n’apparaissent réellement planes qu’une fois la trajectoire du dispositif de mesure connue. Or, au moment de la comparaison de la zone approximativement plane avec l’épaisseur prédéfinie, la seule carte de l’environnement disponible est une reconstruction approximative de l’environnement à partir d’une trajectoire approximative du dispositif de mesure. Ainsi, si l’épaisseur prédéfinie est trop fine, des zones effectivement planes risquent de ne pas remplir ce critère sur la carte approximative. De plus, lorsque de telles zones remplissent le critère d’épaisseur, cela signifie qu’elles sont déjà très fines. Elles ne pourront donc pas servir à apporter de correction subséquente à la trajectoire du dispositif de mesure.
L’invention vise à résoudre au moins partiellement les problèmes techniques exposés.
Ainsi, l’invention se rapporte à un système de construction d’une carte d’un environnement, le système comprenant :
- un dispositif de mesure comprenant au moins un lidar configuré pour acquérir un nuage de points représentatif dudit environnement dans lequel le dispositif de mesure se déplace,
- un processeur configuré pour
*effectuer une présélection d’une pluralité d’ensembles de points initiaux dans le nuage de points, chaque ensemble de points initial de la pluralité d’ensembles de points initiaux étant représentatif d’une potentielle zone d’intérêt de l’environnement,
*pour chaque ensemble de points initial, rechercher une correction locale à apporter à un mouvement du dispositif de mesure le long de chaque potentielle zone d’intérêt représentée par l’ensemble de points initial considéré afin de déterminer si chaque ensemble de points initial représente effectivement une zone d’intérêt,
*corriger conjointement les ensembles de points initiaux représentant effectivement une zone d’intérêt, en appliquant une correction globale à un mouvement du dispositif de mesure dans l’environnement,
*construire la carte de l’environnement avec les ensembles de points initiaux corrigés représentant effectivement une zone d’intérêt et les ensemble de points initiaux ne représentant pas de zone d’intérêt.
L’invention se rapporte également à une méthode de construction d’une carte d’un environnement, comprenant :
- L’acquisition, par un dispositif de mesure comprenant au moins un lidar, d’un nuage de points représentatif dudit environnement dans lequel le dispositif de mesure se déplace,
- La mise en œuvre, par un processeur :
*D’une présélection d’une pluralité d’ensembles de points initiaux dans le nuage de points, chaque ensemble de points initial de la pluralité d’ensembles de points initiaux étant représentatif d’une potentielle zone d’intérêt de l’environnement,
*pour chaque ensemble de points initial, une recherche d’une correction locale à apporter à un mouvement du dispositif de mesure le long de chaque potentielle zone d’intérêt représentée par l’ensemble de points initial considéré afin de déterminer si chaque ensemble de points initial représente effectivement une zone d’intérêt,
*une correction conjointe des ensembles de points initiaux représentant effectivement une zone d’intérêt, en appliquant une correction globale à un mouvement du dispositif de mesure dans l’environnement,
*une construction de la carte de l’environnement avec les ensembles de points initiaux corrigés représentant effectivement une zone d’intérêt et les ensemble de points initiaux ne représentant pas de zone d’intérêt.
Ainsi, contrairement à ce qui est connu de l’art antérieur, les zones d’intérêt ne sont pas repérées en regardant la carte approximativement construite pour repérer les zones qui ressembleraient à un plan, mais en effectuant des corrections de trajectoires locales sur des ensemble de points, ces corrections visant à transformer certaines zones en zones d’intérêt, et ainsi déterminer si un ensemble de points représente effectivement une zone d’intérêt ou non. Avantageusement, tous les points du nuage de points appartiennent à un ensemble de points initial. Ainsi, le système permet de déterminer efficacement quelle potentielle zone d’intérêt est effectivement une zone d’intérêt : en effet, si une correction locale de la trajectoire le long d’une potentielle zone d’intérêt révèle effectivement une zone d’intérêt, cela signifie que la potentielle zone d’intérêt est effectivement une zone d’intérêt. La correction globale de la trajectoire pourra donc s’appuyer sur la zone d’intérêt effectivement déterminée.
Notamment, lorsque le processeur cherche à corriger localement la trajectoire, la correction locale peut permettre de révéler une zone d’intérêt ou la correction locale appliquée peut révéler que l’ensemble de points considéré n’est pas une zone d’intérêt. Par exemple, si la zone d’intérêt recherchée est une zone plane, la correction locale de la trajectoire le long de l’ensemble de points considéré fera apparaître la zone plane. En revanche, si l’ensemble de points considéré n’est pas une zone plane, aucune correction locale ne permettra de faire apparaître une zone plane.
Selon différents aspects, il est possible de prévoir l’une et/ou l’autre des caractéristiques ci-dessous prises seules ou en combinaison.
Selon une réalisation, le processeur est configuré pour itérer les étapes de présélection, de correction locale et de correction conjointe jusqu’à ce qu’un critère prédéfini soit rempli.
Cette disposition permet d’obtenir une correction de la trajectoire locale plus précise, et/ou de déterminer de manière plus certaine si une zone d’intérêt est effectivement une zone d’intérêt ou non.
Selon une réalisation, les recherches de correction locale à apporter à chaque ensemble de points initial sont effectuées en parallèle.
Ainsi, les zones d’intérêt sont repérées plus rapidement que si le processeur cherchait les corrections locales en série. Cela permet d’avoir un système répondant au problème du SLAM qui fonctionne en temps réel et instantanément ou quasi instantanément.
Selon une réalisation, la correction locale à apporter à un mouvement du dispositif comprend la correction d’une trajectoire locale du dispositif le long de chaque potentielle zone d’intérêt et dans lequel la correction conjointe comprend la correction d’une trajectoire globale du dispositif de mesure dans l’environnement.
Selon une réalisation, la correction locale à apporter à un mouvement du dispositif comprend la correction d’une vitesse locale du dispositif le long de chaque potentielle zone d’intérêt et dans lequel la correction conjointe comprend la correction d’une trajectoire globale du dispositif de mesure dans l’environnement.
La correction peut donc être faite sur la trajectoire ou sur la vitesse. Les deux corrections peuvent être effectuées en parallèle ou peuvent être interchangeables.
Selon une réalisation, la correction globale à apporter à un mouvement du dispositif de mesure dans l’environnement est déterminée par une résolution d’un problème d’optimisation.
Selon une réalisation, les zone d’intérêt comprennent une zone plane telle qu’une route, un panneau de signalisation ou un mur, le processeur étant configuré, pour chaque potentielle zone d’intérêt correspondant à une potentielle zone plane, pour calculer une épaisseur minimale C’ de ladite potentielle zone plane obtenue après la correction locale du mouvement du dispositif de mesure, ladite épaisseur minimale étant obtenue par résolution directe de :
, où
N est le nombre de points dans l’ensemble de points initial considéré,
est la moyenne des points de l’ensemble de points initial,
est la moyenne des instants associés auxdits points de l’ensemble de points initial,
est un intermédiaire de calcul,
est la matrice de covariance, et
la fonction retourne la plus petite valeur propre de la matrice donnée en argument,
et où le processeur est configuré pour déterminer que la potentielle zone plane est effectivement une zone d’intérêt si C’ est inférieur à un seuil prédéfini.
Ainsi, le calcul du critère permettant de déterminer qu’une zone est effectivement une zone d’intérêt peut être fait directement. Il ne requiert pas de passer par une étape intermédiaire d’optimisation. Cet avantage est spécifique au cas où la correction est appliquée à la vitesse et lorsque la zone d’intérêt est une zone plane.
Selon une réalisation, les zone d’intérêt comprennent une zone cylindrique telle qu’un poteau, le processeur étant configuré, pour chaque potentielle zone d’intérêt correspondant à une potentielle zone cylindrique, pour déterminer une correction d’un mouvement local (Δmouv) du dispositif de mesure pour laquelle la distance est minimale entre chacun des N points de l’ensemble de points initial considéré et un cylindre de centre c, d’axe u et de rayon r selon une double minimisation :
,
où Δmouv est une variation du mouvement du dispositif de mesure 10 en chaque point xi, et où xi=1, 2, …(Δmouv) est la position du point i après application d’une variation de mouvement Δmouv,
le processeur étant en outre configuré pour déterminer qu’une potentielle zone d’intérêt cylindrique est effectivement une zone d’intérêt cylindrique si un résultat de la double minimisation est inférieur à un seuil prédéfini.
Ainsi, le processeur est configuré pour repérer les zones d’intérêt correspondant à des zones cylindriques.
Selon une réalisation, pour chaque ensemble de points initial représentant effectivement une zone d’intérêt, le processeur est configuré pour supprimer les points présents dans l’ensemble de points initial mais n’appartenant pas à ladite zone d’intérêt.
Cela permet d’éviter de fausser la correction globale de la trajectoire en considérant des points ne faisant pas partie d’une zone d’intérêt.
Des modes de réalisation de l’invention seront décrits ci-dessous par référence aux dessins, décrits brièvement ci-dessous :
représente un système de cartographie selon une réalisation.
illustre des étapes d’un procédé de construction d’une carte d’un environnement au moyen du système selon une réalisation.
illustre des étapes d’un procédé de construction d’une carte d’un environnement au moyen du système selon une autre réalisation.
Sur les dessins, des références identiques désignent des objets identiques ou similaires.
 DESCRIPTION DÉTAILLÉE
L’invention concerne un système de cartographie représenté sur la . Le système 1, comprend un dispositif de mesure 10 comprenant au moins un lidar 101. Le dispositif de mesure peut également comprendre une unité de mesure inertielle (IMU) 102 et une caméra 103. L’IMU peut comprendre au moins un accéléromètre et au moins un gyroscope.
Le dispositif de mesure peut être monté sur un objet pouvant être mobile (non représenté). L’objet peut être un drone, un sac à dos porté par une personne se déplaçant, une voiture, un robot, ou tout autre objet mobile. L’objet mobile comprenant le dispositif de mesure 10 se déplace dans un environnement à cartographier. Un tel environnement peut être intérieur, par exemple à l’intérieur d’un bâtiment, ou extérieur, par exemple hors d’un bâtiment, dans une rue, sur une route, dans un chantier de construction, etc.
A mesure que l’objet se déplace, le lidar est configuré pour effectuer des mesures. Ces mesures comprennent l’acquisition de nuages de points représentatifs de l’environnement. A partir du nuage de points au moins, une carte de l’environnement peut être construite.
Le système 1 comprend en outre un processeur 11. Le processeur 11 peut être connecté au dispositif de mesure, de manière à recevoir les données mesurées par le lidar, la caméra et/ou l’IMU. Dans une configuration, la communication entre le processeur 11 et le dispositif de mesure 10 peut être filaire. Dans une autre configuration, la communication entre le processeur 11 et le dispositif de mesure 10 peut être distante, par exemple par ondes radio, Bluetooth ou wifi.
Dans une configuration, le dispositif de mesure 10 et le processeur 11 échangent des données via une interface de communication respective 104 et 110.
Dans une configuration, le processeur 11 peut être embarqué dans le dispositif de mesure 10. Dans une autre configuration, le processeur 11 peut être hébergé sur un serveur distant. Selon cette configuration, la communication est donc distante, par exemple par ondes radio, passant par exemple par le réseau 4G et/ou 5G, Bluetooth ou wifi.
Le système 1 peut également comprendre des cartes graphiques ainsi qu’un ou plusieurs disques durs de grande capacité, de l’ordre du téraoctet.
La illustre des étapes d’un procédé de construction d’une carte d’un environnement au moyen du système 1.
A l’étape S1, le dispositif de mesure 10 acquiert des données.
Plus particulièrement, le lidar 101 acquiert au moins un nuage de points représentatif de l’environnement. Dans une configuration préférée, le dispositif de mesure 10 se déplace à chaque instant et le lidar acquiert un nuage de points à chaque instant. Ainsi, une pluralité de nuages de points sont acquis lorsque le dispositif de mesure 10 se déplace dans l’environnement.
L’IMU peut également acquérir des données, notamment des données concernant l’orientation et l’accélération du dispositif de mesure 10 à mesure qu’il se déplace dans l’environnement.
Les données acquises par le lidar et/ou l’IMU servent à construire la carte de l’environnement. Plus particulièrement, la carte de l’environnement peut être construite après un premier et unique passage du dispositif de mesure dans l’environnement. Les nuages de points acquis par le lidar et les données d’orientation et d’accélération du dispositif de mesure 10 acquises par l’IMU sur un passage du dispositif de mesure 10 dans l’environnement sont utilisées pour construire la carte de l’environnement. Plus précisément, la mesure d’accélération de l’IMU, qui s’appelle la force spécifique, se définit comme la différence de l’accélération et de la gravité. Cette mesure renseigne indirectement sur l’accélération du dispositif.
Dans une autre réalisation, la carte de l’environnement peut être construite après plusieurs passages du dispositif de mesure dans l’environnement. Les nuages de points acquis par le lidar et les données d’orientation et d’accélération du dispositif de mesure 10 acquises par l’IMU sur les passages du dispositif de mesure 10 dans l’environnement sont utilisées pour construire la carte de l’environnement.
Toutefois, afin de construire une carte de qualité satisfaisante, c’est-à-dire une carte nette et non floue, il est nécessaire de connaître la trajectoire du dispositif de mesure 10 lorsqu’il passe dans l’environnement. En effet, lorsque la trajectoire du dispositif de mesure n’est pas connue avec précision, la carte de l’environnement apparaît floue.
La recherche de la trajectoire du dispositif de mesure et la construction de la carte à partir des données acquises par le lidar 102 et l’IMU 103 sont réalisées en même temps, et avantageusement en même temps et en temps réel.
Afin de rechercher la trajectoire du dispositif de mesure 10, il peut être avantageux de définir des zones d’intérêt le long desquelles la recherche de la trajectoire peut être facilitée. Ces zones d’intérêt peuvent être, par exemple, une zone plane comme un mur, un bord de route, un trottoir, etc., ou encore des objets tels que des panneaux de signalisation et leur support, ou encore des angles de mur.
Plus particulièrement, chaque point des nuages de points acquis par le lidar 101 sont décrits par trois coordonnées décrivant une position dans le repère orthogonal attaché au dispositif de mesure, ainsi qu’un instant de mesure t. Les points sont également décrits par une intensité représentant la fraction de l’énergie lumineuse du laser émis par le lidar 101 et réfléchie par le matériau touché. Les zones d’intérêt peuvent donc être déterminées sur un critère de répartition des points dans l’espace (pour les zones planes, par exemple) ou sur un critère d’intensité.
Afin de repérer les zones d’intérêt et de construire une carte représentant correctement ces zones d’intérêt, le processeur effectue une présélection d’une pluralité d’ensembles de points initiaux dans le nuage de points à l’étape S2, chaque ensemble de points initial de la pluralité d’ensembles de points initiaux étant représentatif d’une potentielle zone d’intérêt de l’environnement.
Les zones d’intérêt ne sont pas connues avant la construction définitive de la carte. Il en résulte qu’il s’agit de déterminer quelles zones de l’environnement sont effectivement des zones d’intérêt. Afin de manquer le moins de zones d’intérêt qui peuvent aider à la construction d’une carte précise de l’environnement, les ensembles de points initiaux présélectionnés par le processeur peuvent couvrir l’ensemble des points du nuage de points. Plus précisément, chaque point du nuage de points est intégré à au moins un ensemble de points initial. En d’autres termes, toutes les zones de l’environnement peuvent être présélectionnées par le processeur à l’étape S2, afin de les étudier et de déterminer si elles représentent effectivement une zone d’intérêt, comme décrit à l’étape S3.
Puis, à l’étape S3, pour chaque ensemble de points initial, le processeur 11 recherche une correction locale à apporter à un mouvement du dispositif de mesure 10 le long de chaque potentielle zone d’intérêt représentée par l’ensemble de points initial considéré afin de déterminer si chaque ensemble de points initial représente effectivement une zone d’intérêt.
Par exemple, les zones d’intérêt représentant une zone plane de l’environnement n’apparaissent planes, c’est-à-dire présentant une faible épaisseur dans la carte de l’environnement, qu’une fois que la vraie trajectoire du dispositif de mesure 10 le long de cette zone plane a été déterminée.
Pour les zones d’intérêt représentant un panneau de signalisation, ou un angle de mur, par exemple, elles n’apparaissent nettes qu’une fois que la vraie trajectoire du dispositif de mesure 10 le long de cette zone d’intérêt a été déterminée.
Dans le cas des zones d’intérêt représentant une zone plane, afin de déterminer si de potentielles zones d’intérêt sont effectivement des zones planes, le processeur 11 va corriger localement un mouvement du dispositif de mesure correspondant à une vitesse du dispositif de mesure 10 le long de chaque potentielle zone d’intérêt. La correction locale de la vitesse est indépendante pour chaque potentielle zone d’intérêt, de sorte que le processeur 11 peut chercher chaque correction locale en parallèle. Cela diminue fortement le temps de calcul, de sorte que la recherche de la trajectoire du dispositif de mesure 10 peut être faite en temps réel.
Mathématiquement, la recherche de la correction locale à apporter au mouvement du dispositif de mesure 10 le long de chaque potentielle zone d’intérêt comprend la définition d’un critère appliqué à chaque ensemble de points initial représentant la potentielle zone d’intérêt et à une série d’instants associés au points de l’ensemble de points initial, et où C’ correspond à la plus petite épaisseur quadratique, c’est-à-dire à l’épaisseur au carrée minimale, obtenue suite à la correction locale du mouvement du dispositif de mesure 10. Cette épaisseur au carrée minimale doit être inférieure à un seuil prédéfini pour déterminer qu’une potentielle zone d’intérêt est effectivement une zone d’intérêt, i.e. par exemple une zone plane.
Avantageusement, le seuil prédéfini représente une épaisseur au carrée attendue, qui tient compte du bruit de mesure mais pas des erreurs de reconstruction. Notamment, les fabricants de LiDAR indiquent une incertitude en distance, en azimuthet en élévationsous forme d’écart type ou de valeur d’erreur maximale. On peut en déduire une erreur quadratique globale de mesure égale à, avec r la distance mesurée et e l’élévation.
L’erreur quadratique globale de mesure fournit une valeur possible du seuil si les incertitudes,,données par le fabricant représentent des erreurs maximales. Si les valeurs des incertitudes,,données par la fabriquant sont des écarts-types, il est possible de les multiplier par trois pour obtenir un seuil représentatif de l’épaisseur au carrée attendue.
Selon une autre réalisation, dans laquelle l’épaisseur, et non l’épaisseur au carrée, est comparée à un seuil prédéfini, la racine carrée du critère C’ est à comparer avec la racine carrée de l’erreur quadratique globale de mesure. Lorsque les valeurs des incertitudes,,données par la fabriquant sont des écarts-types, les valeurs des incertitudes sont également à multiplier par trois pour obtenir un seuil représentatif de l’épaisseur attendue.
Dans la description qui suit, et de manière non limitative, le critère C’ correspond ou est représentatif d’une épaisseur au carrée et le seuil prédéfini est représentatif de l’erreur quadratique globale de mesure.
Ainsi, afin de déterminer si la potentielle zone d’intérêt est effectivement une zone d’intérêt, un problème d’optimisation peut être résolu. Il se présente sous la forme :
(1)
Où Δmouv est une variation du mouvement du dispositif de mesure 10 en chaque point x, et où xi=1, 2, …(Δmouv) est la position du point i après application d’une variation de mouvement Δmouv. La position initiale du point xi(0), pour Δmouv=0, est simplement notée xi. Autrement dit, le processeur 11 recherche une correction de toutes les positions équivalentes à une variation de mouvement Δmouv du dispositif de mesure 10. La valeur minimale de est notée C’.
La résolution du problème d’optimisation permet d’obtenir la valeur du critère C’ et de déterminer si la potentielle zone d’intérêt est effectivement une zone d’intérêt en comparant C’ au seuil prédéfini.
Selon une deuxième réalisation dans laquelle seule la vitesse locale est corrigée, le problème d’optimisation se présente sous la forme :
Où Δv est une variation de la vitesse du dispositif de mesure 10 en chaque point xi, et où xi(Δv) peut s’écrire xi-tiΔv, avec i=1, 2, …. Autrement dit, le processeur 11 recherche une correction de toutes les positions équivalentes à une variation de vitesse Δv du dispositif de mesure 10. La valeur minimale de est notée C’ .
De plus, dans un mode de réalisation où seule la vitesse locale est corrigée et dans lequel le critère C correspond à la plus petite valeur propre de la matrice de covariance , le résultat du problème d’optimisation (1) peut alors être obtenu directement :
Avec les points à trois coordonnées de l’ensemble de points initial représentant une potentielle zone d’intérêt, N le nombre de points dans l’ensemble de points initial considéré, est la position moyenne desdits points définie par , est la position moyenne desdits instants définie par , la somme est la matrice de covariance des points, et la fonction retourne la plus petite valeur propre de la matrice donnée en argument.
Selon cette réalisation, une fois que la valeur C’ a été déterminée, il est alors possible de déterminer si la potentielle zone d’intérêt est effectivement une zone d’intérêt. Dans cet exemple, la zone d’intérêt considérée est une zone plane. En effet, la matrice de covariance caractérise la distribution des points dans le repère orthogonal local situant les points de l’ensemble de points initial représentant la potentielle zone d’intérêt. Ainsi, si C’ est inférieur au seuil prédéfini, il est déterminé que la zone est plane.
Si la potentielle zone d’intérêt n’en est en réalité pas une, c’est-à-dire si la potentielle zone d’intérêt n’est pas plane, C’ prendra une valeur supérieure au seuil prédéfini et cette valeur augmentera avec l’épaisseur réelle du nuage de points formés par l’ensemble de points associé à la potentielle zone d’intérêt considérée.
Ainsi, selon la deuxième réalisation, la calcul de la valeur du critère C’ est direct et ne nécessite pas de passer par un procédé d’optimisation. Cet avantage est spécifique au cas où une correction de la vitesse est recherchée. Cette réalisation permet en outre de diminuer grandement les temps de calcul ainsi que la mémoire allouée aux calculs.
De plus, puisque le seuil prédéfini représente une épaisseur quadratique attendue affectée par le bruit de mesure mais pas par des erreurs de reconstruction, il est déterminé avec précision si une potentielle zone d’intérêt est effectivement une zone d’intérêt.
Il était décrit ci-dessus la recherche de zones d’intérêt représentant des zones planes dans l’environnement. Comme dit ci-avant, ces zones peuvent notamment comprendre un mur, un angle de mur, un bord de route, un trottoir, mais également un panneau de signalisation plat.
Généralement, de tels panneaux de signalisation sont portés par des poteaux, de forme cylindrique. Il peut alors être utile de définir l’ensemble panneau et poteau ou simplement le poteau comme une zone d’intérêt.
Concernant les zones planes, un critère permettant d’indiquer qu’une zone est plane est de déterminer que tous les points de cette zone appartiennent au même plan, tel que décrit ci-dessus. Il est possible de définir un tel critère pour des formes plus complexes telles que des cylindres.
Il s’agit alors de déterminer si un cylindre peut passer par tous les points de l’ensemble de points initial correspondant à l’élément de forme cylindrique. Un tel élément peut être un poteau, mais également un tronc d’arbre, un piquet, etc.
En d’autres termes, un cylindre est défini par son axe u, son centre c et son rayon r. Il peut être déterminé qu’un cylindre passe par tous les points d’un ensemble de points initial, ou passe au moins à proximité d’une majorité des points si la distance entre chacun de ces points, ou la grande majorité des points, et ce cylindre est petite, voire égale à zéro.
La distance d’un point xià un tel cylindre s’écrit . Il est possible de déterminer qu’un cylindre passe par ou à proximité de tous les points, ou de la majorité des points, si la moyenne des distances au carré est inférieure au seuil prédéfini correspondant à l’erreur quadratique moyenne des mesures de distance du Lidar, en général fournie par le constructeur du lidar. Cette erreur est généralement de l’ordre de 1cm mais peut varier en fonction du lidar utilisé.
Selon cette réalisation, pour déterminer si les paramètres du cylindre u, r, c correspondent aux points x1, … xn, la distance quadratique moyenne des points x1, … xnau cylindre, représentative d’une épaisseur, est calculée selon :
Toutefois, seuls les points xide la potentielle zone d’intérêt sont connus. Les paramètres u, c et r du cylindre que les points pourraient former ne sont pas connus. La manière de déterminer si un cylindre passe par tous les points , ou au moins la majorité des points, est de dire qu’il existe au moins un cylindre pour lequel C sera minime, voire égal à zéro, où C s’écrit :
Finalement, la valeur minimale de C en appliquant la correction du mouvement Δmouv, notée C’, est le critère permettant de déterminer si la potentielle zone d’intérêt est effectivement une zone d’intérêt. C’ est obtenu selon :
Où Δmouv est une correction du mouvement du dispositif de mesure le long de la potentielle zone d’intérêt, i.e. de sa trajectoire et/ou de sa vitesse.
Si le résultat de la double minimisation est inférieur à un seuil prédéfini tel que l’erreur quadratique moyenne des mesures de distance du Lidar, alors la potentielle zone d’intérêt est déterminée comme étant effectivement une zone d’intérêt, ici une forme cylindrique.
Si le résultat de la double minimisation est supérieur à un seuil prédéfini tel qu’un multiple de l’erreur quadratique moyenne des mesures de distance du Lidar, il est alors déterminé que la potentielle zone d’intérêt représentée par l’ensemble de points initial considéré n’est pas une zone d’intérêt.
Il est à noter que, dans les cas où une correction de la vitesse locale du dispositif de mesure a été décrite, une correction de la trajectoire locale du dispositif de mesure peut être faite en variante et/ou en complément. Dans les cas où une correction de la trajectoire locale du dispositif de mesure a été décrite, une correction de la vitesse locale du dispositif de mesure peut être faite en variante et/ou en complément.
Enfin, selon une dernière réalisation, le critère permettant de déterminer si une potentielle zone d’intérêt est effectivement une zone d’intérêt est la répartition de l’intensité des points d’un ensemble de points initial. Ici, l’intensité représente la fraction de l’énergie lumineuse du laser émise par le lidar 101 et réfléchie par le matériau touché.
Une telle zone d’intérêt peut être une inscription, par exemple une inscription sur un mur, un véhicule, etc., ou encore une image représentée sur un panneau, par exemple un panneau publicitaire ou un panneau de signalisation.
Dans cette réalisation, c’est une trajectoire locale du dispositif de mesure 10 le long de la potentielle zone d’intérêt qui est corrigée pour chaque ensemble de points initial représentant une potentielle zone d’intérêt. Il s’agit alors de déterminer si, pour une potentielle zone d’intérêt, les variations de dispositions des points portant une intensité sont corrélées aux variations de position du dispositif de mesure. En d’autres termes, il s’agit de déterminer si une variation locale la trajectoire du dispositif de mesure le long de la potentielle zone d’intérêt comprenant des points portant des intensités différentes entraîne une répartition différente des points permettant de définir qu’une potentielle zone d’intérêt est effectivement une zone d’intérêt. Notamment, une telle différence dans la répartition des points portant l’intensité peut permettre de rendre lisible une inscription qui ne le serait pas sans correction locale du dispositif de mesure le long de cette zone.
Un tel critère E peut s’écrire :
Où est l’intensité mesurée en un point de l’ensemble de points initial, est l’intensité moyenne dans la zone et est la norme euclidienne classique d’un vecteur, ici de taille 3.
Il est déterminé qu’une potentielle zone d’intérêt est effectivement une zone d’intérêt lorsque la valeur du critère E atteint par exemple 0,5.
Plus précisément, pour tous les modes de réalisation décrits en référence à l’étape S3, le calcul de la valeur du critère induit d’effectuer des corrections sur le mouvement local du dispositif de mesure 10, ici sur la vitesse ou la trajectoire du dispositif de mesure 10. Le calcul du critère permet de déterminer de manière certaine si une zone d’intérêt peut effectivement être obtenue en modifiant localement le mouvement du dispositif de mesure 10 le long de la potentielle zone d’intérêt.
A la fin de l’étape S3, toutes les zones d’intérêt ont été identifiées.
Puis, une étape optionnelle S4 peut être mise en œuvre, dans laquelle, suite à la détermination qu’une potentielle zone d’intérêt est effectivement une zone d’intérêt, il est déterminé si tous les point de l’ensemble de points initial représentant la zone d’intérêt appartiennent réellement à la zone d’intérêt. En effet, dans certains cas, des points éloignés de la zone d’intérêt peuvent avoir été intégrées à la zone d’intérêt par erreur. Il s’agit alors de trouver ces points et de les supprimer.
Pour ce faire, il est possible de calculer la proximité de chaque point de l’ensemble de points initial avec la zone d’intérêt, puis de supprimer les points trop éloignés de cette zone d’intérêt.
Plus précisément, considérant les zones d’intérêt telles que les angles de mur, les panneaux et/ou poteaux de signalisation et les zones planes.
Notamment, pour les panneaux de signalisation, les zones planes et les angles de mur, il s’agit de déterminer si tous les points de l’ensemble de points initial font bien partie du même plan déterminé à l’étape S3. Les points ne faisant pas partie du plan formé par la zone d’intérêt sont supprimés.
De même, pour les zones d’intérêt plus complexes tels que les poteaux de signalisation, il s’agit de déterminer si tous les points de l’ensemble de points initial font bien partie du cylindre déterminé à l’étape S3. Les points ne faisant pas partie du cylindre formé par la zone d’intérêt sont supprimés.
A l’étape S5, une correction conjointe est appliquée aux ensembles de points initiaux représentant effectivement une zone d’intérêt en appliquant une correction globale à un mouvement du dispositif de mesure 10 dans l’environnement. Plus précisément, la correction globale est appliquée à une trajectoire du dispositif de mesure 10 dans l’environnement.
Cette correction globale de la trajectoire du dispositif de mesure 10, et non plus locale, est due au fait qu’il s’agit de trouver une trajectoire unique permettant d’obtenir une carte de l’environnement sur laquelle toutes les zones d’intérêt identifiées sont représentées, et non de trouver des trajectoires différentes pour chaque zone d’intérêt.
Cela est résolu au moyen d’un problème d’optimisation, La trajectoire est obtenue en définissant un problème d’optimisation comportant deux composantes : le critère de structure des zones d’intérêt (la planéité par exemple) et la correspondance entre la trajectoire choisie et les mesures additionnelles disponibles, issues par exemple d’une centrale inertielle. La résolution d’un tel problème d’optimisation est bien maîtrisée et des solveurs disponibles sur étagère la proposent dans un cadre assez générique, par exemple le solveur GTSAM mentionné dans la publication suivante :
Kaess, M., Johannsson, H., Roberts, R., Ila, V., Leonard, J. J., & Dellaert, F. (2012). iSAM2: Incremental smoothing and mapping using the Bayes tree. The International Journal of Robotics Research, 31(2), 216-235.
Puis, une fois que la trajectoire globale du dispositif de mesure a été corrigée, la carte de l’environnement est construite avec les ensembles de points initiaux corrigés qui représentent effectivement une zone d’intérêt et avec les ensembles de points initiaux qui ne représentent pas une zone d’intérêt.
Dans une réalisation, la carte de l’environnement et la correction de la trajectoire globale du dispositif de mesure 10 sont effectuées simultanément.
La illustre un autre mode de réalisation selon l’invention. Les étapes S1 à S5 décrites en relation à la sont identiques. Selon cette réalisation, les étapes S2 à S4 sont itérées jusqu’à ce qu’un critère prédéfini soit rempli à l’étape S6.
Ce critère prédéfini peut être atteint lorsqu’entre deux itérations, la correction du mouvement du dispositif de mesure ne change plus.
Cette disposition permet d’obtenir une correction de la trajectoire locale plus précise, et/ou de déterminer de manière plus certaine si une zone d’intérêt est effectivement une zone d’intérêt ou non.

Claims (10)

  1. Système (1) de construction d’une carte d’un environnement, le système (1) comprenant :
    - un dispositif de mesure (10) comprenant au moins un lidar (101) configuré pour acquérir un nuage de points représentatif dudit environnement dans lequel le dispositif de mesure (10) se déplace,
    - un processeur (11) configuré pour
    *effectuer une présélection d’une pluralité d’ensembles de points initiaux dans le nuage de points, chaque ensemble de points initial de la pluralité d’ensembles de points initiaux étant représentatif d’une potentielle zone d’intérêt de l’environnement,
    *pour chaque ensemble de points initial, rechercher une correction locale à apporter à un mouvement du dispositif de mesure le long de chaque potentielle zone d’intérêt représentée par l’ensemble de points initial considéré afin de déterminer si chaque ensemble de points initial représente effectivement une zone d’intérêt,
    *corriger conjointement les ensembles de points initiaux représentant effectivement une zone d’intérêt, en appliquant une correction globale à un mouvement du dispositif de mesure dans l’environnement,
    *construire la carte de l’environnement avec les ensembles de points initiaux corrigés représentant effectivement une zone d’intérêt et les ensemble de points initiaux ne représentant pas de zone d’intérêt.
  2. Système (1) selon la revendication 1, dans lequel le processeur (11) est configuré pour itérer les étapes de présélection, de correction locale et de correction conjointe jusqu’à ce qu’un critère prédéfini soit rempli.
  3. Système (1) selon la revendication 1 ou 2, dans lequel le processeur (11) est configuré pour effectuer les recherches de correction locale à apporter à chaque ensemble de points initial en parallèle.
  4. Système (1) selon l’une des revendications 1 à 3, dans lequel la correction locale à apporter à un mouvement du dispositif de mesure (10) comprend la correction d’une trajectoire locale du dispositif de mesure (10) le long de chaque potentielle zone d’intérêt et dans lequel la correction conjointe comprend la correction d’une trajectoire globale du dispositif de mesure dans l’environnement.
  5. Système (1) selon l’une des revendications 1 à 4, dans lequel la correction locale à apporter à un mouvement du dispositif de mesure (10) comprend la correction d’une vitesse locale du dispositif de mesure (10) le long de chaque potentielle zone d’intérêt et dans lequel la correction conjointe comprend la correction d’une trajectoire globale du dispositif de mesure dans l’environnement.
  6. Système (1) selon l’une des revendications 1 à 5, dans lequel la correction globale à apporter à un mouvement du dispositif de mesure (10) dans l’environnement est déterminée par une résolution d’un problème d’optimisation.
  7. Système (1) selon la revendication 5, dans lequel les zone d’intérêt comprennent une zone plane telle qu’une route, un panneau de signalisation ou un mur, le processeur (11) étant configuré, pour chaque potentielle zone d’intérêt correspondant à une potentielle zone plane, pour calculer une épaisseur minimale C’ de ladite potentielle zone plane obtenue après la correction locale du mouvement du dispositif de mesure, ladite épaisseur minimale étant obtenue par résolution directe de :
    où
    N est le nombre de points dans l’ensemble de points initial considéré,
    est la moyenne des points de l’ensemble de points initial,
    est la moyenne des instants associés auxdits points de l’ensemble de points initial,
    est intermédiaire de calcul,
    est la matrice de covariance, et
    la fonction retourne la plus petite valeur propre de la matrice donnée en argument,
    et où le processeur (11) est configuré pour déterminer que la potentielle zone plane est effectivement une zone d’intérêt si C’ est inférieur à un seuil prédéfini.
  8. Système (1) selon l’une des revendications précédentes, dans lequel les zones d’intérêt comprennent une zone cylindrique telle qu’un poteau, le processeur (11) étant configuré, pour chaque potentielle zone d’intérêt correspondant à une potentielle zone cylindrique, pour déterminer s’il existe une correction d’un mouvement local (Δmouv) du dispositif de mesure pour laquelle la distance est minimale entre chacun des N points xi de l’ensemble de points initial considéré et un cylindre de centre c, d’axe u et de rayon r selon une double minimisation :
    ,
    où Δmouv est une variation du mouvement du dispositif de mesure 10 en chaque point xi, et où xi=1, 2, …(Δmouv) est la position du point i après application d’une variation de mouvement Δmouv,
    le processeur étant en outre configuré pour déterminer qu’une potentielle zone d’intérêt cylindrique est effectivement une zone d’intérêt cylindrique si un résultat de la double minimisation est inférieur à un seuil prédéfini.
  9. Système (1) selon l’une des revendications précédentes, dans lequel pour chaque ensemble de points initial représentant effectivement une zone d’intérêt, le processeur (11) est configuré pour supprimer les points présents dans l’ensemble de points initial mais n’appartenant pas à ladite zone d’intérêt.
  10. Méthode de construction d’une carte d’un environnement, la méthode comprenant :
    - L’acquisition, par un dispositif de mesure (10) comprenant au moins un lidar (101), d’un nuage de points représentatif dudit environnement dans lequel le dispositif de mesure se déplace,
    - La mise en œuvre, par un processeur (1) :
    *D’une présélection d’une pluralité d’ensembles de points initiaux dans le nuage de points, chaque ensemble de points initial de la pluralité d’ensembles de points initiaux étant représentatif d’une potentielle zone d’intérêt de l’environnement,
    *pour chaque ensemble de points initial, une recherche d’une correction locale à apporter à un mouvement du dispositif de mesure (10) le long de chaque potentielle zone d’intérêt représentée par l’ensemble de points initial considéré afin de déterminer si chaque ensemble de points initial représente effectivement une zone d’intérêt,
    *une correction conjointe des ensembles de points initiaux représentant effectivement une zone d’intérêt, en appliquant une correction globale à un mouvement du dispositif de mesure (10) dans l’environnement,
    *une construction de la carte de l’environnement avec les ensembles de points initiaux corrigés représentant effectivement une zone d’intérêt et les ensemble de points initiaux ne représentant pas de zone d’intérêt.
FR2211164A 2022-10-26 2022-10-26 système et méthode de construction d’une carte d’un environnement Pending FR3141535A1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
FR2211164A FR3141535A1 (fr) 2022-10-26 2022-10-26 système et méthode de construction d’une carte d’un environnement
PCT/EP2023/079853 WO2024089140A1 (fr) 2022-10-26 2023-10-25 Système et méthode de construction d'une carte d'un environnement

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2211164A FR3141535A1 (fr) 2022-10-26 2022-10-26 système et méthode de construction d’une carte d’un environnement
FR2211164 2022-10-26

Publications (1)

Publication Number Publication Date
FR3141535A1 true FR3141535A1 (fr) 2024-05-03

Family

ID=85277903

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2211164A Pending FR3141535A1 (fr) 2022-10-26 2022-10-26 système et méthode de construction d’une carte d’un environnement

Country Status (2)

Country Link
FR (1) FR3141535A1 (fr)
WO (1) WO2024089140A1 (fr)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3078935A1 (fr) * 2015-04-10 2016-10-12 The European Atomic Energy Community (EURATOM), represented by the European Commission Procédé et dispositif de cartographie et de localisation en temps réel
WO2017166594A1 (fr) * 2016-03-31 2017-10-05 百度在线网络技术（北京）有限公司 Procédé de construction de carte d'intérieur, dispositif et procédé de stockage
WO2019032588A1 (fr) * 2017-08-11 2019-02-14 Zoox, Inc. Étalonnage et localisation de capteur de véhicule

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3078935A1 (fr) * 2015-04-10 2016-10-12 The European Atomic Energy Community (EURATOM), represented by the European Commission Procédé et dispositif de cartographie et de localisation en temps réel
WO2017166594A1 (fr) * 2016-03-31 2017-10-05 百度在线网络技术（北京）有限公司 Procédé de construction de carte d'intérieur, dispositif et procédé de stockage
WO2019032588A1 (fr) * 2017-08-11 2019-02-14 Zoox, Inc. Étalonnage et localisation de capteur de véhicule

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KAESS, M.JOHANNSSON, H.ROBERTS, R.ILA, V.LEONARD, J. J.DELLAERT, F.: "iSAM2: Incremental smoothing and mapping using the Bayes tree", THE INTERNATIONAL JOURNAL OF ROBOTICS RESEARCH, vol. 31, no. 2, 2012, pages 216 - 235, XP055853134, DOI: 10.1177/0278364911430419
LEE HYUNSUNG ET AL: "AVM / LiDAR sensor based lane marking detection method for automated driving on complex urban roads", 2017 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV), IEEE, 11 June 2017 (2017-06-11), pages 1434 - 1439, XP033133938, DOI: 10.1109/IVS.2017.7995911 *
PIERRE MERRIAUX ET AL: "LiDAR point clouds correction acquired from a moving car based on CAN-bus data", ARXIV.ORG, CORNELL UNIVERSITY LIBRARY, 201 OLIN LIBRARY CORNELL UNIVERSITY ITHACA, NY 14853, 19 June 2017 (2017-06-19), XP080770815 *

Also Published As

Publication number Publication date
WO2024089140A1 (fr) 2024-05-02

Similar Documents

Publication Publication Date Title
Otero et al. Mobile indoor mapping technologies: A review
US10475232B2 (en) Three-dimentional plane panorama creation through hough-based line detection
Daneshmand et al. 3d scanning: A comprehensive survey
Aanæs et al. Large-scale data for multiple-view stereopsis
EP3252615B1 (fr) Procede et systeme de determination de cellules traversees par un axe de mesure ou de visualisation
Hoffmeister et al. Crop height variability detection in a single field by multi-temporal terrestrial laser scanning
US20130101157A1 (en) Optimizing the detection of objects in images
Verykokou et al. Oblique aerial images: a review focusing on georeferencing procedures
US20160187486A1 (en) Range Sensing Using a Hybrid Range Sensing Device
EP3359978B1 (fr) Methode de traitement d'une image radar de type sar et methode de detection de cible associee
WO2013175022A1 (fr) Systèmes et procédés de topographie et de reconstruction tridimensionnelle à partir d'un nuage de points et supports de stockage informatique pour ces systèmes et procédés
EP3126864B1 (fr) Procédé de géo-localisation de l'environnement d'un porteur
FR3005187A1 (fr) Recalage d'images sar par information mutuelle.
WO2019121056A1 (fr) Methode de reconnaissance d'objets dans une scene observee en trois dimensions
Baranwal et al. Application of unmanned aerial vehicle (UAV) for damage assessment of a cultural heritage monument
Guan et al. Full field-of-view pavement stereo reconstruction under dynamic traffic conditions: Incorporating height-adaptive vehicle detection and multi-view occlusion optimization
Carballo et al. Characterization of multiple 3D LiDARs for localization and mapping performance using the NDT algorithm
FR2630539A1 (fr) Procedes de leves de metres de batiment par telemetrie
Yiğit et al. Comparative analysis of mobile laser scanning and terrestrial laser scanning for the indoor mapping
FR3141535A1 (fr) système et méthode de construction d’une carte d’un environnement
EP3832338A1 (fr) Procede de geolocalisation et de qualification de dispositifs d'infrastructure de signalisation
EP2748625B1 (fr) Méthode de localisation d'un objet au moyen d'une grille de référence
Mohamad Azmi et al. 3D data fusion using unmanned aerial vehicle (UAV) photogrammetry and terrestrial laser scanner (TLS)
Gálai et al. Change detection in urban streets by a real time Lidar scanner and MLS reference data
Motta et al. Landslide displacement monitoring from multi-temporal terrestrial digital images: Case of the Valoria Landslide site

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20240503