Registro automático de nuvens de pontos 3D geradas por laser scaner terretre [sic] utilizando aproximação em multiescala e ajuste global de estações em circuitos fechados

Abstract

Resumo: A reconstrução 3D de ambientes é um tema de interesse em diversas áreas do conhecimento. Nesse contexto, o Laser Scaner Terrestre (LST) é um instrumento preciso que usa o sensoriamento remoto ativo para levantar ambientes complexos. Contudo, devido ao seu modo de operação, as nuvens de pontos 3D geradas pelo sensor sofrem com oclusões na linha de visão do laser. Diante disso, a varredura completa de uma cena ou objeto em 3D só é possível caso se posicione o equipamento em diferentes locais, onde a cada nova posição se estabelece um sistema de coordenadas relativo àquela estação. A consequência disso é que, ao visualizar os dados salvos pelo sensor, as nuvens de pontos 3D se sobrepõem de forma arbitrária no espaço 3D. Para obter um modelo 3D globalmente consistente com as nuvens de pontos é necessário reconstruir a trajetória do sensor, isto é, obter a posição e orientação relativa das nuvens entre si. Esse problema é conhecido como Registro de Nuvens de Pontos 3D, ele consiste em estimar os parâmetros de rotação e translação entre as estações do LST, chamadas de poses, através das nuvens de pontos. Para solucionar este problema, propomos um modelo dividido em duas etapas. A primeira etapa consiste no registro par-a-par das nuvens de pontos em modo coarse-to-fine. Especificamente, aplicamos os algoritmos Fast Global Registration para a etapa coarse e o algoritmo Generalized Iterative Closest Point para o refinamento. Ambos são implementados com adaptações para operar em nuvens de pontos obtidas por LST, tais como a detecção de keypoints no registro global e a amostragem em multiescala durante o refinamento. As múltiplas amostragens e o uso de keypoints reduz significativamente o tempo do registro par-a-par. Na segunda etapa do modelo abordamos o problema do drift, nela realizamos um ajuste global do circuito para distribuir o erro que se acumula no registro dos pares de nuvens de pontos. Para isto, as poses relativas do LST são mapeadas em dual quatérnios, que são compostos nas duas direções do circuito, gerando duas poses para cada estação do LST. O erro de fechamento do circuito é mitigado ao se aplicar a técnica Screw Linear Interpolation (ScLERP) entre as duas poses. A principal vantagem desse modelo é tratar rotações e translações de forma acoplada em uma única etapa de interpolação linear. Para testar os modelos, um conjunto de cinco datasets foi obtido em ambientes internos e externos, totalizando 99 nuvens de pontos. Os resultados mostram que o método de registro par-a-par proposto é capaz de registrar, em média, 80% dos pares corretamente, enquanto o modelo de ajuste global reduziu o drift em até 40 % em nos circuitos testados quando comparado a outros modelos lineares

Abstract: 3D environment reconstruction is a subject of interest across various fields of knowledge. In this context, the Terrestrial Laser Scanner (TLS) is an instrument that employs active remote sensing of the Light Detection and Ranging (LiDAR) type to profile complex environments. However, due to its operating mode, the 3D point clouds generated by the sensor suffer from line-of-sight occlusions. Consequently, a complete 3D profiling of a scene or object is only possible by positioning the equipment at different locations, where each new scan station establishes its own relative coordinate system. As a result, the raw data collected by the sensor consists of 3D point clouds that overlap arbitrarily in 3D space. To obtain a globally consistent 3D model, it is necessary to reconstruct the sensor's trajectory by determining the relative position and orientation between the clouds. This problem, known as 3D Point Cloud Registration, consists of estimating the rotation and translation parameters (poses) between TLS stations through the point cloud data. To solve this problem, this thesis proposes a two-stage model. The first stage performs coarse-to-fine pairwise registration. Specifically, the Fast Global Registration algorithm is applied for the coarse stage, followed by the Generalized Iterative Closest Point algorithm for refinement. Both are implemented with adaptations for TLS data, such as keypoint detection in the global registration and multiscale sampling during refinement. The use of multiscale sampling and keypoints significantly reduces pairwise registration time. The second stage addresses the drift problem by performing a global loop adjustment to distribute the cumulative error from pairwise registrations. For this purpose, the relative TLS poses are mapped into dual quaternions and composed in both loop directions, generating two poses for each station. The loop closure error is then mitigated by applying the Screw Linear Interpolation (ScLERP) technique between these poses. The primary advantage of this model is its ability to treat rotations and translations in a coupled manner within a single linear interpolation step. To validate the models, a set of five datasets was acquired in both indoor and outdoor environments, totaling 99 point clouds. Results indicate that the proposed pairwise registration method correctly aligns an average of 80% of the pairs, while the global adjustment model reduced drift by up to 40% in the tested circuits when compared to other linear models