Advances in micro-electro-mechanical navigation systems and lightweight LIDAR (light detection and ranging) sensors onboard unmanned aerial vehicles (UAVs) provide the feasibility of deriving point clouds with very high and homogeneous point density. However, the deformations caused by numerous sources of errors should be carefully treated. This work presents a rigorous calibration of UAV-based LiDAR systems with refinement of the boresight angles using a point-to-plane approach. Our method is divided into a calibration and a parameter mounting refinement part. It starts with the estimation of the calibration parameters and then refines the boresight angles. The novel contribution of the paper is two-fold. First, we estimate the calibration parameters conditioning the centroid of a plane segmented to lie on its corresponding segmented plane without an additional surveying campaign. Second, we refine the boresight angles using a new point-to-plane model. The proposed method is evaluated by analyzing the accuracy assessment of the adjusted point cloud to point/planar features before and after the proposed method. Compared with the state-of-the-art method, our proposed method achieves better positional accuracy.

Neste trabalho é apresentado um estudo que mostra a infl uência da precisão teórica das coordenadas 3D no processode registro de dados RGB-D. Basicamente, três pontos principais são aqui discutidos: o registro dos pares de nuvensde pontos 3D adquiridas sucessivamente pelo sensor de imageamento; a ponderação das coordenadas 3D de pontosindividuais; e a análise de consistência global. O registro dos pares de nuvens de pontos é feito em duas etapas. Naprimeira etapa, os parâmetros de transformação são obtidos através de um conjunto de pontos, detectados pelo algoritmo SIFT, empregados no modelo de corpo rígido 3D, juntamente com o Método dos Mínimos Quadrados. A segundaetapa consiste em refi nar os parâmetros de transformação obtidos na etapa anterior empregando o algoritmo ICP baseado na abordagem ponto-a-ponto. A inclusão dos valores de pesos é feito baseado na propagação de covariâncias dasequações de paralaxe. A análise de consistência global é empregada para refi nar o conjunto de parâmetros de translaçãosimultaneamente. Experimentos em cenas com distância médias do sensor/alvo de 2 metros foram conduzidos paraavaliar a efi ciência do método proposto e os resultados indicam a potencialidade do método com o valor médio dasdiscrepâncias abaixo dos 2 centímetros.

Resumo:Neste trabalho é apresentado um método adaptativo para registro e mapeamento de ambientes internos com regiões de pouca textura usando dados derivados de câmeras RGB-D. Basicamente, quatro pontos principais envolvidos no desenvolvimento do método são aqui discutidos: a calibração dos sensores integrados no dispositivo Kinect; o registro dos pares de nuvens de pontos 3D adquiridas sucessivamente pelo sensor de imageamento; a inclusão de pesos no algoritmo ICP baseado em abordagem ponto-a-ponto; e o refinamento dos parâmetros de transformação empregando uma análise de consistência global. A calibração dos sensores é feita usando o método de Zhang. O modelo de corpo rígido 3D é empregado para calcular os parâmetros de transformação. Um método adaptativo é proposto para inclusão de pesos baseados na precisão teórica das medidas de profundidade. Um modelo linear capaz de refinar simultaneamente o conjunto de parâmetros de transformação é proposto para a análise da consistência global. Experimentos foram conduzidos para avaliar a eficiência do método proposto e os resultados obtidos mostraram sua potencialidade.Palavras chaves: câmeras RGB-D; calibração de câmeras; mapeamento de ambientes internos; registro de pares de nuvens de pontos; análise de consistência global, ICP. Abstract:In this paper an adaptive method for indoor mapping and registration of environment with texture less regions using RGB-D data is presented. Basically, four main points involved in the method are here discussed: the calibration of the sensors integrated in the Kinect device; the registration of 3D point clouds pairs acquired successively by the imaging sensor; the inclusion of weights in the point-to-point ICP algorithm; and a global adjustment for the refinement of transformation parameters. The sensors calibration is realized using the Zhang method. The 3D rigid body model is employed to calculate the transformation parameters. The weights are defined based on the theoretical accuracy of depth measurements. A linear model is proposed for global adjustment. Experiments were conducted and the results showed the efficiency and potentially of the proposed method.

No abstract