Spectral Geometric Verification: Re-Ranking Point Cloud Retrieval for Metric Localization

要約

大規模なメトリックローカリゼーションにおいて、検索時に誤った結果が出ると、誤った姿勢推定やループ閉鎖につながる。再ランク付け法は、すべての検索上位候補を考慮し、上位候補が正しい可能性を高めるためにそれらを再順序付けすることを提案する。しかし、最新の再ランク付け手法は、クエリと各候補の間の点群登録にリソースを必要とするため、多数の候補を再ランク付けする場合には非効率的である。本研究では、幾何学的検証のための効率的なスペクトル法（SpectralGVと命名）を提案し、登録を必要としない。我々は、2つの点群の対応互換グラフの最適なクラスタ間スコアが、それらの空間的整合性を測定するロバストフィットネススコアを表すことを実証する。このスコアは、構造的に類似した点群間の微妙な幾何学的差異を考慮するため、グローバルな類似性検索によって検索されたマッチ候補の中から正しい候補を特定するために使用することができる。SpectralGVは決定論的であり、異常な対応関係に対して頑健であり、全ての候補に対して並列に計算することが可能である。我々は、5つの大規模データセットで大規模な実験を行い、SpectralGVが他の最先端の再ランキング手法を凌駕することを実証し、3つの最先端のメトリックローカリゼーションアーキテクチャの実行時間にほとんど影響を与えずに、一貫してリコールと姿勢推定を向上させることを示す。オープンソースの実装と学習済みモデルは、https://github.com/csiro-robotics/SpectralGV で入手可能です。

要約(オリジナル)

In large-scale metric localization, an incorrect result during retrieval will lead to an incorrect pose estimate or loop closure. Re-ranking methods propose to take into account all the top retrieval candidates and re-order them to increase the likelihood of the top candidate being correct. However, state-of-the-art re-ranking methods are inefficient when re-ranking many potential candidates due to their need for resource intensive point cloud registration between the query and each candidate. In this work, we propose an efficient spectral method for geometric verification (named SpectralGV) that does not require registration. We demonstrate how the optimal inter-cluster score of the correspondence compatibility graph of two point clouds represents a robust fitness score measuring their spatial consistency. This score takes into account the subtle geometric differences between structurally similar point clouds and therefore can be used to identify the correct candidate among potential matches retrieved by global similarity search. SpectralGV is deterministic, robust to outlier correspondences, and can be computed in parallel for all potential candidates. We conduct extensive experiments on 5 large-scale datasets to demonstrate that SpectralGV outperforms other state-of-the-art re-ranking methods and show that it consistently improves the recall and pose estimation of 3 state-of-the-art metric localization architectures while having a negligible effect on their runtime. The open-source implementation and trained models are available at: https://github.com/csiro-robotics/SpectralGV.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL