Een van de voornaamste vereisten voor autonome robots om volledig operationeel te zijn is het creëren en onderhouden van een 3D map van hun omgeving. Tijdens het opbouwen van dergelijke 3D map is het noodzakelijk dat data opgenomen op verschillende tijdstippen en plaatsen met elkaar gecombineerd wordt, aangezien één enkele scan van de sensor niet de volledige ruimte in kaart kan brengen. Het 3D-mapping-proces heeft daarom nood aan een positioneringsysteem om de data met elkaar te aligneren. Huidige 3D-mapping-oplossingen doen hiervoor een beroep op externe positioneringssystemen, zoals bijvoorbeeld GPS. Dergelijke systemen hebben echter tal van beperkingen zoals onnauwkeurige metingen of een te zwak signaal in het geval van GPS. Daardoor kunnen bestaande oplossingen niet de gewenste nauwkeurigheid en snelheid leveren die nodig is. In dit doctoraat hebben we daarom technieken ontwikkeld die in staat zijn om, louter gebruik makend van sensordata afkomstig van actieve dieptesensoren, een geaggregeerde 3D puntenwolk of ‘3D map’ op te bouwen met een nauwkeurigheid van ongeveer 1 cm ongeacht de omvang van de scène. Bovendien laat de snelheid van onze ontwikkelde 3D-mapping-technologie toe om geavanceerde real-time toepassingen zoals inspectie, schadebeoordeling of het monitoren van bouwsites te ontwikkelen.