Karten für Roboter aus dem Laser-Scanner

Projekt: Kartenmaterial für Roboter aus dem (Laser-)Scanner

Forschende:  Bachelorarbeit von Tim Müller, Studiengang Geodäsie und Geoinformatik (Text von Dominik Ernst)

Projektidee: Die Erfassung von Räumen mit klassischen terrestrischen Laserscannern (TLS) ist zwar hochgenau, aber auch zeitaufwändig. Eine Alternative könnten neue kinematische Scansysteme sein, mit denen man sich durch die Räume bewegt. 

In vielen Bereichen des Lebens haben Roboter Einzug gehalten. Sei es um die Wohnung zu saugen, den Rasen zu mähen oder das Lager zu sortieren. Ein zentraler Aspekt ist dabei die Lokalisierung der Roboter. Bei kleinen, eher ungefährlichen Systemen, wie einem Saugroboter, werden dafür häufig Verfahren verwendet, die Karten „on the fly“ erzeugen. Dieses Verfahren nennt sich „simultaneous localization and mapping“ (SLAM) und funktioniert in vielen Anwendungen sehr gut. Je größer die Roboter aber werden, desto größer werden auch die potentiellen Gefahren für dessen Umgebung, so dass die Positionierung zuverlässiger sein muss und gegebenenfalls zusätzliche Informationen nötig sind. Dafür können entweder Leitsysteme verwendet werden, wie beispielsweise in der Logistik, oder Karten der Umgebung erzeugt werden. Während Leitsysteme bauliche Eingriffe erfordern und damit eher in Lagerhallen oder der Industrie zum Einsatz kommen, können Karten für jede Umgebung erstellt werden.

Die Basis von Karten sind häufig Laserscans: Damit werden alle Details der Umgebung in 3D erfasst und anschließend zu einer Karte modelliert. Allerdings ist die Erfassung mit klassischen terrestrischen Laserscannern (TLS) zwar hochgenau, aber auch zeitaufwändig. Eine Alternative könnten neue kinematische Scansysteme sein, mit denen man sich durch die Räume bewegt. Ob sie Punktwolken mit ausreichender Genauigkeit liefern können, das hat Tim Müller in seiner Bachelorarbeit untersucht.

Messung: terrestisch versus kinematisch

Dafür musste der Student Räume des Geodätischen Instituts mit einem kinematischen Scansystem (Navvis VLX2, Leihgabe des Ingenieurbüros Drecoll) und zum Vergleich auch mit einem TLS messen. Der VLX2 ist ein Scansystem mit zwei mobilen Scannern, das man auf den Schultern trägt und mit dem Fotos der Umgebung möglich sind, um die erzeugten Punktwolken einzufärben. Besonders herausfordernd stellten sich die Wechsel zwischen den Räumen heraus, da die Türen ein Problem für die Verknüpfung zwischen den Teilbereichen darstellen.

Als Grundlage für die Messung erfasste Tim Müller zunächst mit einem Tachymeter die Festpunkte. Diese Punkte dienen als Ankerpunkte für die weiteren Messungen. Jede Unsicherheit des Festpunktfelds überträgt sich direkt in die Punktwolke, so dass eine genaue Messung wichtig ist.

Als nächstes erzeugte er über die Messung mit dem TLS eine hochgenaue Punktwolke mit einer Unsicherheit von unter einem Millimeter als Referenz. Anschließend zeichnete der Student fünf Mal die Räume mit dem kinematischen Scansystem auf – und zwar in unterschiedlichen Geschwindigkeiten. Während der erste Lauf knapp unter 30 Minuten dauerte, waren es beim letzten lediglich 6 Minuten.

Die Verarbeitung der Daten erfolgte je nach Sensor unterschiedlich: Bei einem TLS müssen die einzelnen Stationen mit der Herstellersoftware registriert werden. Dabei werden die einzelnen Punktwolken anhand signalisierter Punkte, meist Papierzielzeichen, verknüpft. Am Ende werden die Festpunkte verwendet, um einen absoluten Bezug herzustellen.
Der Navvis VLX 2 hingegen arbeitet mit dem SLAM-Verfahren, um zunächst eine lokale Punktwolke zu erzeugen. Um den absoluten Bezug herzustellen, werden während der Messung Festpunkte aufgehalten. Diese Festpunkte wurden während der tachymetrischen Messung als Bodenmarken gesetzt. Die weitere Auswertung wird mittels der Navvis Software in der Cloud durchgeführt. Dabei wird die lokale Punktwolke entzerrt und in das Koordinatensystem der Festpunkte transformiert.

Ergebnisse: Wie genau misst das kinematische System?

So entstanden als Ergebnis beider Messungen jeweils Punktwolken: eine Punktwolke aus der klassischen TLS-Messung und fünf Punktwolken aus den Läufen mit dem kinematischen Navvis-System. Eine ausgedünnte Punktwolke des Navvis-Systems ist in Abbildung 1 zu sehen. Hier sind zusätzlich die Bereiche farblich markiert, die für die Evaluation vorgesehen waren. Das sind vor allem Ebenen, da diese in Punktwolken eindeutig zu erkennen und wiederzufinden sind.

Für die Evaluation berechnete Tim Müller nun, wie weit die Punktwolke des Navvis-Systems von der Referenzpunktwolke abweicht. Die Ergebnisse für den ersten Lauf sind beispielhaft in Abbildung 2 gezeigt. Dabei fällt auf, dass die Distanzen bis knapp unter 4 cm streuen (x-Achse) und sich je nach Raum unterscheiden (blaue und braune Farbe). Beide Effekte sind verbunden, da die Messkonstellation zwischen den Räumen zu Unsicherheiten in der gesamten Messung führt. Raum A ist das Messlabor mit den Festpunkten, sodass nur kleinste Abweichungen auftreten. Im Gegensatz dazu ist Raum B der Seminarraum ohne eigene Festpunkte, was zu größeren Unsicherheiten führt.

Ergebnisse: Ist eine schnelle Messung ungenauer?

Welche Auswirkung hat aber die Geschwindigkeit, mit der man mit dem kinematischen Messsystem durch die Räume läuft? Der Vergleich zwischen den verschiedenen Läufen zeigt, dass die zuvor gezeigten Unsicherheiten unabhängig von der Erhebungszeit sind. In Abbildung 3 ist zu erkennen, dass die 2D- und 3D-Genauigkeit nahezu konstant bleiben (rote und pinke Kreuze), selbst wenn die Erfassungszeit zwischen Lauf 1 und 5 nur noch ungefähr einem Fünftel entspricht.

Fazit

Das lässt den Schluss zu, dass kinematische Scansysteme gut geeignet sind, Lokalisierungskarten zu erzeugen. Während TLS genauer sind, reichen kinematische Scansysteme aus, um die geforderten 2 cm Genauigkeit einzuhalten. Dabei sind die kinematischen Systeme um ein Vielfaches schneller (im besten Fall 6 Minuten verglichen zu 2 Stunden beim TLS) und in der Verarbeitung der Daten auch einfacher. Der größte Zeitaufwand bei der Erfassung bleibt damit die Bestimmung der Festpunkte, die bei beiden Systemen gleich ist. Weitere Automatisierung in diesem Bereich könnte die Erfassung erneut beschleunigen.