Stationary LiDAR, moving target : pure LiDAR solution for motion estimation and 3D reconstruction
Vahteristo, Ilmari (2025)
Diplomityö
Vahteristo, Ilmari
2025
School of Engineering Science, Laskennallinen tekniikka
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2025082784786
https://urn.fi/URN:NBN:fi-fe2025082784786
Tiivistelmä
Changes in vehicle speed and yaw during scanning with stationary 2D LiDAR distort the reconstructed 3D point clouds, hindering applications like roadside inspection and industrial quality control. This thesis, in collaboration with Virelabs Oy, introduces a novel LiDAR-only method to correct these distortions without wheel encoders, IMUs, or geometric priors. Using a horizontal LiDAR, we estimate frame-to-frame rigid motion via Iterative Closest Point (ICP), smooth components (vx, vy, w) with a Kalman filter and Rauch–Tung–Striebel (RTS) smoother, and integrate into a pose trajectory for stacking vertical LiDAR slices.
Evaluated on six real-world truck recordings with acceleration, braking, and turns, our approach achieves an inlier RMSE of 37.1 mm between reconstructions. Ablation studies confirm that modeling all three motion components is critical for accuracy. The method’s tunable estimation interval enables a practical trade-off between accuracy and runtime, making it a robust solution for high-throughput industrial scanning. LiDAR-skannauksen aikana skannattavan kappaleen kompensoimaton liike häiritsee 3D-pistepilven rekonstruktiota, jota tarvitaan mm. teollisessa laadunvalvonnassa sekä logistiikassa. Tämä diplomityö, joka on tehty yhteistyössä Virelabs Oy:n kanssa, esittelee uuden menetelmän, joka korjaa nämä vääristymät pelkästään LiDAR-datan avulla ilman pyöräenkoodereja, inertiasensoreita (IMU) tai geometrisia oletuksia. Vaakasuoraan asennetun LiDARin avulla arvioidaan kappaleen liike Iterative Closest Point (ICP) -menetelmällä, suodatetaan arvioidut liikeen komponentit (vx, vy, w) Kalman-suotimella ja Rauch–Tung–Striebel (RTS) -sileöimisellä, ja integroidaan nämä tiedot asentojen pystysuuntaisten LiDAR-viipaleiden pinottamiseksi 3D rekonstruktioksi.
Lähestymistapamme saavuttaa 37,1 mm:n keskiarvovirheen 3D rekonstruktioissa kuuden vaativan nauhoituksen välillä. Nauhoituksissa rekka ohittaa skanneritolpat erilaisessa liikkeessä, kuten kiihdyttäen, jarruttaen ja kääntäen. Herkkyys ja ablaatio tutkimuksissa toteamme menetelmämme toimivan paremmin kuin abloidut versiot, ja jokaisen liikkeen komponentin sisällyttämisen vähentävän keskivirhettä. Estimaatiovälin säätäminen mahdollistaa menetelmän tasapainottelun tarkkuuden ja suorituskyvyn välillä, sopien moniin eri menetelmiin.
Evaluated on six real-world truck recordings with acceleration, braking, and turns, our approach achieves an inlier RMSE of 37.1 mm between reconstructions. Ablation studies confirm that modeling all three motion components is critical for accuracy. The method’s tunable estimation interval enables a practical trade-off between accuracy and runtime, making it a robust solution for high-throughput industrial scanning.
Lähestymistapamme saavuttaa 37,1 mm:n keskiarvovirheen 3D rekonstruktioissa kuuden vaativan nauhoituksen välillä. Nauhoituksissa rekka ohittaa skanneritolpat erilaisessa liikkeessä, kuten kiihdyttäen, jarruttaen ja kääntäen. Herkkyys ja ablaatio tutkimuksissa toteamme menetelmämme toimivan paremmin kuin abloidut versiot, ja jokaisen liikkeen komponentin sisällyttämisen vähentävän keskivirhettä. Estimaatiovälin säätäminen mahdollistaa menetelmän tasapainottelun tarkkuuden ja suorituskyvyn välillä, sopien moniin eri menetelmiin.
