Autonome Fahrzeugnavigation auf Basis präziser 3D-Umgebungskarten

Wie kann sich ein Fahrzeug präzise in einer zuvor erfassten 3D-Umgebungskarte lokalisieren?

• Automatisierter Shuttle-Demonstrator als ursprüngliches Anwendungsszenario.
• Perspektivische Strecke: Technikum der HTW Dresden bis Hauptbahnhof.
• Navigation auf Basis einer hochaufgelösten 3D-Umgebungskarte.
• Verbindung von Geoinformation, Fahrzeugtechnik und Softwareintegration.

• BMW i3 als ursprünglicher automatisierter Versuchsträger ausgefallen.
• Skoda Enyaq als seriennahes Ersatzfahrzeug verfügbar, aber ohne AD-Stack.
• EasyMile EZ10 sporadisch über Kooperation mit FSD GmbH als Demonstrator verfügbar.
• Projektfokus dadurch stärker auf 3D-Map, Sensordatenpipeline und Lokalisierungsalgorithmik.

Der Fahrzeugdemonstrator hat sich geändert, die wissenschaftliche Kernfrage blieb aber bestehen: Wie genau können wir 3D-Maps erzeugen und für Lokalisierung nutzen?

Von der Vermessung zur Navigationsreferenz.

Georeferenzierte Referenz-3D-Map des Technikums aus TLS und MLS, aufgebaut im Rahmen einer Bachelorarbeit von Gregor Erdmann.

Die Referenz-3D-Map hilft auch bei Ein- und Ausfahrt des Shuttles: markante Stellen im Technikum lassen sich mit Bildmarken wie ArUco-Markern versehen, um die erste Geopose des Shuttles zu setzen, detektiert durch eine Onboard-Kamera.

RTK-Hardware

Komponente	Verwendet im Projekt	Hinweis
GNSS-Empfänger	u-blox F9P	RTK-fähiger Mehrfrequenzempfänger
Antenne	u-blox ANN-MB Multiband GNSS-Antenne	aktive GNSS-Antenne, L1 und L2/E5b, unterstützt GPS, GLONASS, Galileo und BeiDou
Korrekturdaten	SAPOS-HEPS via NTRIP	Zentimetergenau im amtlichen Raumbezug

Beispieltrajektorie

Zwei hintereinander ähnlich gefahrene Runden auf der Innenbahn des HTWD-Testfeldes mit aktiver differenzieller Korrektur.

SLAM-Verfahren liefern im Projekt nicht nur relative Trajektorien, sondern auch fahrzeugnahe 3D-Maps.

SLAM ist im Projekt doppelt relevant: als relative Pose-Schätzung und als Werkzeug zur Erzeugung fahrzeugnaher 3D-Maps.

Flächige, georeferenzierte ALS-3D-Map aus luftgestütztem Laserscanning.

Für die Lokalisierung ist die ALS-3D-Map keine hochpräzise Nahbereichs-3D-Map wie die TLS-/MLS-Fusion. Sie ist aber flächig verfügbar und enthält stabile urbane Konturen, die als Ansatzpunkt für eine 3D-Map-basierte Registrierung genutzt werden können.

Mithilfe von Drohnenaufnahmen lässt sich über Structure from Motion ebenfalls eine 3D-Map erzeugen.

• 359 Bilder, Flughöhe 30.8 m, Deckungsbereich 28800 m².
• Bodenauflösung 7,59 mm/pix bei 299681 Verknüpfungspunkten.
• Reprojektionsfehler 1,27 px im dokumentierten Verarbeitungsbericht.
• Punktwolke: 172 Mio Punkte; 3,79 mm Punktgenauigkeit

Die aus Drohnenaufnahmen erzeugte 3D-Map ist für das Prüffeld charakterisiert.

Zur Halbzeit noch keine fertige Navigation. Aber den Weg dorthin:
Kartierung, Referenzierung, Vergleich und Wiederlokalisierung.

• Zu Beginn wurde der Ouster-SLAM zunächst qualitativ auf zwei großen Routen der näheren Umgebung des Technikums geprüft.
• Der Ansatz liefert schnell und robust relative Trajektorien und erste lokal konsistente 3D-Maps.
• Damit eignet er sich gut als Einstieg in mobile Kartierung und Formvergleich gegen GNSS.
• Ohne globale Referenzierung bleibt die Pose jedoch im lokalen 3D-Map-Rahmen.
• In den Ouster-Release-Notes wird KISS-ICP ausdrücklich genannt; der Mapping-/SLAM-Teil setzt damit offiziell auf KISS-ICP als Kernkomponente.

Qualitative Prüfung auf zwei Routen in der DD-Südvorstadt

Ouster-SLAM war damit der erste praktisch untersuchte Zugang zur ausreichend genauen relativen Pose und SLAM-basierten Erzeugung von 3D-Maps im Projekt. Die Trajektorie zeigt aber auch, dass der Ouster SLAM-Algorithmus keinerlei Loop-Closure-Mechanismen besitzt.

• Wie plausibel ist die SLAM-Trajektorie gegenüber der fusionierten Fahrzeugpose?
• Ouster-SLAM als schnellen relativen Pose-Schätzer und als Werkzeug zur Erzeugung von 3D-Maps sinnvoll?

• Ouster OS1 Fixierung auf dem EZ10
• Datenübergang des SLAM über ROS-Bridge in das ROS1-System des EZ10

• KISS-ICP von PRBonn, erweitert um lokale 3D-Maps, Loop Closures und Pose-Graph-Optimierung.
• Ziel: KISS-ICP als ROS2-nahen SLAM-Baustein mit höherer Konsistenz nutzbar machen.
• Ergebnis: relative LiDAR-Odometrie und lokale 3D-Maps.

Trajektorienvergleich gegen GNSS

Abweichung über die Zeit

Querabweichung zur GNSS-Tangente

Der 2D-Abstand bleibt größer als die Querabweichung zur lokalen Tangente. Das spricht für eine schlechte zeitliche Übereinstimmung zwischen SLAM-Pose und GNSS-Lokalisierung. Initialheading ist nur sinnvoll, wenn der Anfangsabschnitt gerade herausfährt. Die Startpunkt-Rotation landet wieder bei einem Mean |q| von 0.58 m. KISS-ICP-SLAM wird trotz Loop Closure nicht sichtbar besser als Ouster-SLAM.

• LiDAR-IMU-basierter Ansatz für relative Pose-Schätzung und Aufbau von 3D-Maps.
• Im Projekt interessant, weil er methodisch robuster angelegt ist als reine LiDAR-Odometrie und eine andere technische Linie als Ouster-SLAM und KISS-SLAM darstellt.
• Technisch anspruchsvoller als reine LiDAR-Odometrie, da IMU, Zeitbasis und Sensorausgabe sauber zusammenpassen müssen.
• Der Ansatz ist also nicht sensorseitig frei, sondern an LiDAR plus IMU oder externe IMU-Daten gebunden.

Trajektorienvergleich gegen GNSS

Abweichung über die Zeit

Querabweichung zur GNSS-Tangente

FAST-LIO-SLAM ergänzt die anderen Verfahren als LiDAR-IMU-Ansatz und ist methodisch robuster angelegt, zeigt in den bisherigen Auswertungen aber noch keinen klaren Vorteil gegenüber KISS-SLAM.

Die untersuchten SLAM-Verfahren zeigen grundsätzlich Potenzial für eine spätere Lokalisierung. Für eine robuste Nutzung sind aber noch geeignete Filterung, Referenzierung und Vergleichsmetriken nötig, weil lokal auftretende Abweichungen die Verlässlichkeit der erzeugten Maps derzeit noch einschränken.

• ICP gegen das sächsische Höhenmodell.
• Point-to-Plane mit GNSS-/Yaw-Initialisierung, Vorfilterung und Gating.
• Verarbeitung bei rund 5.4 Hz.
• Querabweichung geringer als bei den bisherigen SLAM-Verfahren.
• Noch explorativ: Überdeckung, Initialisierung und Konsistenz offen.
• Globale Pose ohne live DGNSS noch nicht belastbar.

Zeitbasierte Querabweichungen im Vergleich

Verfahren	Route	Mean |q| (time)
Ouster-SLAM EZ10 estimate pose		0.52 m
KISS-ICP-SLAM GNSS-RTK		0.46 m
FAST-LIO-SLAM GNSS-RTK		0.82 m
ICP-Lokalisierung im ALS-Höhenmodell GNSS-RTK		0.13 m

Die kleinere Querabweichung zeigt das Potenzial der 3D-Map-basierten ICP-Lokalisierung. Für die Einordnung bleiben aber 3D-Map-Auflösung, GNSS-/Yaw-Initialisierung und Gating entscheidend. Die Verarbeitung von nur jedem zweiten LiDAR-Frame ist dabei ein wichtiger limitierender Faktor und noch nicht echtzeitfähig.