Accurate Gaussian Process Distance Fields with applications to Echolocation and Mapping

要約

この論文では、ガウス過程 (GP) 回帰を使用して、ノイズの多い点群から距離フィールドを推定する新しい方法を紹介します。
距離フィールドまたは距離関数は、点群登録、オドメトリ、SLAM、経路計画、形状再構築などのアプリケーションで人気を博しました。距離フィールドはシーンの連続表現を提供します。
これは、任意のクエリ ポイントおよび最も近いサーフェスからの最短距離として定義されます。
提案された方法の重要な概念は、GP で推定された占有フィールドを正確な距離フィールドに変換するために使用される復帰関数です。
復帰関数は、選択した GP カーネルに固有です。
この論文では、提案された手法の理論的導出と既存の手法との関係について説明します。
既存の距離フィールドと比較して精度が向上していることは、シミュレーション実験によって実証されています。
提案されたアプローチの精度レベルにより、正確な距離推定に依存する新しいアプリケーションが可能になります。
この研究では、金属構造における超音波誘導波センシングのためのエコーロケーションとマッピングのフレームワークを紹介します。
これらの方法では、材料内の超音波の伝播を考慮した物理ベースの測定モデルを使用して、提案された距離場を利用します。
これらのフレームワークの健全性を実証するために、実際の実験が行われます。

要約(オリジナル)

This paper introduces a novel method to estimate distance fields from noisy point clouds using Gaussian Process (GP) regression. Distance fields, or distance functions, gained popularity for applications like point cloud registration, odometry, SLAM, path planning, shape reconstruction, etc. A distance field provides a continuous representation of the scene. It is defined as the shortest distance from any query point and the closest surface. The key concept of the proposed method is a reverting function used to turn a GP-inferred occupancy field into an accurate distance field. The reverting function is specific to the chosen GP kernel. This paper provides the theoretical derivation of the proposed method and its relationship to existing techniques. The improved accuracy compared with existing distance fields is demonstrated with simulated experiments. The level of accuracy of the proposed approach enables novel applications that rely on precise distance estimation. This work presents echolocation and mapping frameworks for ultrasonic-guided wave sensing in metallic structures. These methods leverage the proposed distance field with a physics-based measurement model accounting for the propagation of the ultrasonic waves in the material. Real-world experiments are conducted to demonstrate the soundness of these frameworks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google