Development of an automatic algorithm for the detection of obsolete 3D map regions

Autonomous driving is a innovative technology set to revolutionize the mobility sector. Most of autonomous vehicles nowadays use pre-build maps to localize in the environment, therefore it is very important that this maps are up-to-date. This thesis documents the development of a novel algorithm designed to identify obsolete regions within a map, enabling their timely update. This process is crucial to maintaining the accuracy and robustness of the localization algorithm over time, ensuring consistent autonomous vehicle performance. This work begins with a comprehensive analysis of the factors affecting scan matching performance, including errors in the initialization pose, environmental feature density, time gaps between scans, map changes, and seasonal variations. Furthermore, this study evaluates two candidate methods for detecting obsolete regions in the map. The Scan Matching approach emerges as the most reliable but is computationally intensive and time-consuming. In contrast, the Incremental Mapping approach offers easier implementation; however, its effectiveness is compromised by the presence of dynamic objects in the environment. An innovative map change detection algorithm was developed, building upon the Incremental Mapping approach to improve its robustness. Two new modules based on scan-tosubmap techniques were introduced after the global optimization stage. These modules provide an optimized initialization pose for the scan matching algorithm, ensuring that any performance degradation arises solely from environmental changes. Additionally, they enable the submap to effectively filter out small to medium-sized dynamic objects, enhancing the overall robustness of the system. Using this data, a scoring system assigns a degradation score to each map node, identifying obsolete areas and quantifying the degree of change.

La guida autonoma è una tecnologia innovativa destinata a rivoluzionare il settore della mobilità. La maggior parte dei veicoli autonomi si localizza tramite mappe pre-generate, che devono quindi essere sempre aggiornate. Questa tesi presenta lo sviluppo di un algoritmo innovativo per il rilevamento di regioni obsolete all’interno di una mappa, consentendone l’aggiornamento. Questo processo è fondamentale per il mantenimento di accuratezza e robustezza dell’algoritmo di localizzazione nel tempo, assicurando prestazioni costanti del veicolo autonomo. L’elaborato inizia con una profonda analisi dei fattori che influenzano le prestazioni dell’algoritmo di allineamento degli scan, includendo errori della posa di inizializzazione, densità delle caratteristiche ambientali, intervalli temporali tra le scansioni, cambiamenti nella mappa e variazioni stagionali. Inoltre, lo studio valuta due metodologie per il rilevamento di cambiamenti nella mappa. L’approccio basato sull’Allineamento degli Scan è il più affidabile, ma risulta computazionalmente intensivo e lento. Al contrario, l’approccio basato sulla Mappatura Incrementale offre vantaggi implementativi, ma la sua efficacia è compromessa a causa della presenza di oggetti dinamici nell’ambiente. Un algoritmo innovativo di rilevamento dei cambiamenti nella mappa è stato sviluppato sulla base del Mappatura Incrementale per migliorarne la robustezza. Sono stati introdotti, dopo l’ottimizzazione globale, due nuovi moduli basati sulla tecnologia dello scan-to-submap. Questi forniscono ad ogni scan la migliore stima disponibile della posa di inizializzazione, garantendo che eventuali cali prestazionali derivino solo da variazioni dell’ambiente. Inoltre, consentono alla sottomappa di filtrare gli oggetti dinamici di piccola e media taglia, aumentando la robustezza dell’algoritmo. Sulla base di questi dati è stato sviluppato un sistema di punteggio della degradazione di ogni nodo della mappa, permettendo di identificare aree obsolete e di quantificare il grado di cambiamento.