Occlusion-Resistant LiDAR Fiducial Marker Detection

要約

LiDAR 基準マーカーは、カメラ アプリケーションで使用されるよく知られた AprilTag に似ており、LiDAR センサーに人工的な機能を付与する便利なリソースとして機能し、ロボット工学アプリケーションを促進します。
残念ながら、現在の LiDAR 基準マーカー検出方法はオクルージョンフリーの点群に限定されています。
この研究では、耐閉塞性 LiDAR 基準マーカー検出のための新しいアプローチを紹介します。
まず、3D 強度勾配を利用して、マーカーに対応する可能性のある 3D 点を抽出します。
その後、クラスタリングにより抽出された点の 3 次元空間分布を分析します。
続いて、これらのクラスターの幾何学的特徴を調べることによって、潜在的なマーカーの位置を決定します。
次に、候補位置内にある 3D 点を生の点群から設計された中間平面に連続的に転送します。
最後に、中間面を使用して、基準マーカーの存在について各位置を検証し、見つかった場合はマーカーの姿勢を計算します。
私たちは、定性的および定量的な実験の両方を実施して、私たちのアプローチが、より高い精度を達成しながら、オクルージョンのある点群に適用できる初の LiDAR 基準マーカー検出方法であることを実証します。

要約(オリジナル)

The LiDAR fiducial marker, akin to the well-known AprilTag used in camera applications, serves as a convenient resource to impart artificial features to the LiDAR sensor, facilitating robotics applications. Unfortunately, current LiDAR fiducial marker detection methods are limited to occlusion-free point clouds. In this work, we present a novel approach for occlusion-resistant LiDAR fiducial marker detection. We first extract 3D points potentially corresponding to the markers, leveraging the 3D intensity gradients. Afterward, we analyze the 3D spatial distribution of the extracted points through clustering. Subsequently, we determine the potential marker locations by examining the geometric characteristics of these clusters. We then successively transfer the 3D points that fall within the candidate locations from the raw point cloud onto a designed intermediate plane. Finally, using the intermediate plane, we validate each location for the presence of a fiducial marker and compute the marker’s pose if found. We conduct both qualitative and quantitative experiments to demonstrate that our approach is the first LiDAR fiducial marker detection method applicable to point clouds with occlusion while achieving better accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google