Confronto di metodi SLAM basati su LiDAR mediante ambiente virtuale

SLAM (Simultaneous Localization And Mapping) is a computational process that allows mapping and localizing simultaneously a generic moving device, such as an UAV (Unmanned Aerial Vehicles), in an unknow environment. LiDAR-based SLAM (Light Detection And Ranging) uses laser pulses, which, from 3D point cloud generation, guarantee lots of data for the algorithm. Firstly, in this thesis is developed with Matlab-Simulink a virtual environment for testing, through which are extracted LiDAR measurements of a moving drone and, simultaneously, are generated and extracted IMU (Inertial Measurement Unit) measurements. The first part of the thesis focuses on a brief theoretical introduction of basis LiDAR-based SLAM algorithm. Then are illustrated LiDAR-SLAM methods already implemented in Matlab, such as ICP e LOAM, introducing for both the pose graph optimization for loop closure. Then are compared efficiency and speed of these algorithms, as well as their ability of reconstructing the scanned environment. It then proceeds to show a simple LIO (LiDAR Inertial Odometry) algorithm, which processes in a separate way (loosely) the data extracted from IMU. The loosely integration of a separate system allows to make robust and speed up the algorithms presented previously. Finally, a sensitivity study is carried out on various parameters that are needed in the simulations presented before. The study will allow us to observe the behavior of the different codes when some fundamental parameters vary, to understand their influence and determine their correct setting.

La SLAM (Simultaneous Localization And Mapping) è un processo computazionale che consente di mappare e simultaneamente di localizzare un generico dispositivo in movimento, come ad esempio un UAV (Unmanned Aerial Vehicles), in un ambiente ignoto. La SLAM basata su LiDAR (Light Detection And Ranging) utilizza impulsi laser, i quali, tramite la generazione di nuvole di punti tridimensionali, garantisco molti dati a disposizione dell'algoritmo. In questa tesi per prima cosa viene sviluppato un ambiente virtuale di test in Matlab-Simulink tramite il quale sono estratte le misurazioni LiDAR di un drone in movimento e, in contemporanea, sono estratti i dati generati da una IMU (Inertial Mesurament Unit). La prima parte della tesi si concentra su una breve introduzione teorica degli algoritmi base che consento la LiDAR-SLAM. Si procede illustrando i metodi LiDAR-SLAM già implementati in Matlab quali ICP e LOAM, introducendo per entrambi l'ottimizzazione del grafico di posizione che consente la chiusura del loop. Si confrontano quindi l'efficacia e la velocità di esecuzione di questi algoritmi, nonché la loro capacità di ricostruzione dell'ambiente scansionato. Si procede poi illustrando un semplice algoritmo LIO (LiDAR Inertial Odometry), il quale processa in modo separato (debole) i dati estratti dall'IMU. L'integrazione di un sistema separato permette di irrobustire e migliorare gli algoritmi presentati precedentemente. Viene infine effettuato uno studio di sensibilità a diversi parametri, entrati in gioco nelle simulazioni qui presentate. Lo studio permetterà di osservare il comportamento dei diversi codici al variare di alcuni parametri fondamentali, per capirne l'influenza e determinarne il corretto settaggio.