Modellierung des Systemrauschens in TLS-basierten Multi-Sensor Systemen
Led by: | Jens-André Paffenholz, Hamza Alkhatib, Ingo Neumann |
Team: | Hue-Kiem Pham |
Year: | 2014 |
Duration: | 04/2014 - 10/2014 |
Is Finished: | yes |
Das statische terrestrische Laserscanning (statisches TLS) liefert 3D-Punktwolken in einem lokalen, sensoreigenen Koordinatensystem. Zur Überführung der Messungen in ein globales, übergeordnetes Koordinatensystem sind die Transformationsparameter möglichst effizient zu bestimmen. Die hier relevante direkte Georeferenzierung beschreibt dabei die unmittelbare Beobachtung der notwendigen Transformationsparameter durch zusätzliche Sensorik, wie z. B. GNSS Ausrüstung und (optional) Neigungssensoren. Hierzu bietet sich die Adaption der 3D-Positionssenoren (hier: GNSS Ausrüstung) auf dem um die Stehachse rotierenden Laserscanner an. Aus der Trajektorie des GNSS Antennen-referenzpunktes im Raum lassen sich unter Kenntnis der zeitlichen Zuordnung der 3D-Positionen zu den Scanprofilen die gesuchte Transformationsparameter ableiten. Am Geodätischen Institut (GIH) ist in Forschungsarbeiten ein rekursiver Filteransatz in Form eines erweiterten Kalman Filters (EKF) zur Auswertung der Trajektorien von 3D-Positionen zur Bestimmung der Transformationsparameter implementiert sowie ein prototypisches Multi-Sensor System entwickelt worden. Das Ziel der Masterarbeit war die Evaluation des Systemrauschens des gegebenen rekursiven EKF. Ausgehend von Simulationen wurden verschiedene Rauschmodelle implementiert sowie deren Auswirkung auf die als Matlab©-Code gegebene Systemmodellierung untersucht. Dazu wurden die Unsicherheiten, welche zum Systemrauschen beitragen, in einer geeigneten Rauscheingangsmatrix abgebildet. Es werden zwei unterschiedliche Lösungsansätze vorgestellt: 1) Modifizierung der Rauscheingangsmatrix im EKF und 2) Erweiterung des Zustandsraums zur Beschreibung von farbigem Rauschen (Form-Filter). Die Simulationsergebnisse wurden auf zur Verfügung gestellte reale Datensätze übertragen.
Abbildung 1: Autokorrelationsfunktion simulierter Daten