Robust Real-Time Simultaneous Localization and Mapping with LiDAR in Dynamic Environments

Dans des environnements dynamiques et non structurés, la Simultaneous Localization and Mapping (SLAM) précises sont essentielles pour les robots autonomes. Les systèmes d’odométrie basés sur le Light Detection and Ranging (LiDAR) traditionnels s’appuient fortement sur des caractéristiques géométriques telles que les points, les lignes et les plans. Cependant, dans des environnements où ces caractéristiques sont rares ou absentes, ces méthodes échouent souvent, rendant difficile le maintien d’une localisation et d’une cartographie précises. De plus, les environnements dynamiques introduisent des complexités supplémentaires, car les objets en mouvement peuvent entraîner des erreurs d’appariement des points caractéristiques et des dérives d’odométrie. Ces objets dynamiques doivent être détectés et suivis en temps réel pour garantir une navigation sûre et efficace. Cette thèse aborde ces deux défis en proposant deux méthodologies SLAM complémentaires. La première méthode vise à améliorer le SLAM LiDAR dans des environnements non structurés, tandis que la deuxième méthode se concentre sur la détection et le suivi des objets dynamiques à l’aide des données LiDAR.

Abstract

In dynamic and unstructured environments, achieving precise simultaneous localization and mapping (SLAM) is crucial for autonomous robots. Traditional LiDAR-based odometry systems rely heavily on geometric features such as points, lines, and planes. However, in environments where these features are sparse or absent, these methods often fail, leading to significant challenges in maintaining accurate localization and mapping. Furthermore, dynamic environments introduce additional complexities as moving objects will lead to error feature points matching and odometry drift. These dynamic objects must be detected and tracked in real time to ensure safe and effective navigation. This thesis addresses these dual challenges by presenting two complementary SLAM methodologies. The first method focuses on enhancing LiDAR SLAM in unstructured environments, while the second method is dedicated to detecting and tracking dynamic objects using LiDAR data.