LiDAR Based Sequential Registration and Mapping for Autonomous Vehicles

V této práci řešíme problém správné registrace mraků bodů z LIDARu do společné reprezentace scény, což je důležité pro navigaci autonomních vozidel. Přicházíme s novou reprezentací 3D scény vhodnou pro agregování dat z LIDARu, která je založena na diskrétní distribuci pravděpodobnosti bodů v prostoru. Představujeme online algoritmus pro robustní registraci mraků bodů za účelem zpřesnění egomotion. Poté je tato metoda otestována na dvou datasetech z reálných jízd.In this thesis, we investigate the problem of registering LIDAR point clouds to a common representation of a scene. This is necessary for autonomous vehicle navigation. A representation of a 3D scene suitable for aggregation of LIDAR data is proposed, based on discrete probability density distribution of points in space. An online algorithm for robust registration of point clouds is introduced and used for improving the accuracy of egomotion. The method is tested on two LIDAR datasets from real test drives