KernelGPA: A Globally Optimal Solution to Deformable SLAM in Closed-form

要約

私たちは、同時位置特定とマッピング (SLAM) 問題の最小定式化として、一般化プロクラステス解析 (GPA) を研究します。
変形可能な環境で SLAM を解決するための新しいグローバル登録手法である KernelGPA を提案します。
絡み合ったポーズと変形をエンコードする変形可能な変形の概念を提案します。
カーネル法を使用して変形可能な変換を定義し、変形可能な変換と環境マップの両方が閉じた形式でグローバル スケールの曖昧さまでグローバルに解決できることを示します。
剛性を最大化する最適化公式によってスケールの曖昧さを解決します。
ガウス カーネルを使用して KernelGPA を実証し、さまざまなデータセットで KernelGPA の優位性を検証します。
コードとデータは \url{https://bitbucket.org/FangBai/deformableprocrustes} で入手できます。

要約(オリジナル)

We study the generalized Procrustes analysis (GPA), as a minimal formulation to the simultaneous localization and mapping (SLAM) problem. We propose KernelGPA, a novel global registration technique to solve SLAM in the deformable environment. We propose the concept of deformable transformation which encodes the entangled pose and deformation. We define deformable transformations using a kernel method, and show that both the deformable transformations and the environment map can be solved globally in closed-form, up to global scale ambiguities. We solve the scale ambiguities by an optimization formulation that maximizes rigidity. We demonstrate KernelGPA using the Gaussian kernel, and validate the superiority of KernelGPA with various datasets. Code and data are available at \url{https://bitbucket.org/FangBai/deformableprocrustes}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google