DynaHull: Density-centric Dynamic Point Filtering in Point Clouds

要約

屋内ロボット工学の分野では、動的な点が存在するため、点群を使用して動的な環境で正確にナビゲートおよびマッピングすることは困難な作業になる可能性があります。
これらの動的ポイントは、屋内環境にいる人間によって表されることがよくありますが、機械が動く産業環境では、さまざまなタイプの動的ポイントが存在する可能性があります。
この研究では、点群から動的点を効果的に削除することで屋内マッピングの精度を向上させるように設計された新しい技術である DynaHll を紹介します。
DynaHull は、複数のスキャンにわたって、動的ポイントと比較して静止ポイントの密度が高いという観察を利用して機能します。
さらに、DynaHull は、マップをより小さなセクションにクラスタリングすることで、不均一に分散されたポイントに関連するマッピングの課題に対処します。
各セクションでは、各点の密度係数は、凸包法を使用して近傍点の数をこれらの近傍点が占める体積で割ることによって決定されます。
このアルゴリズムは、各クラスターのポイント数に基づく適応しきい値を使用して動的ポイントを削除し、誤検知を削減します。
DynaHull のパフォーマンスは、ERASOR、Removert、OctoMap、Open3D からのベースライン統計的外れ値除去などの最先端の技術と比較されました。その際、各方法を低アクティビティ期間中に作成されたグラウンド トゥルース マップと比較しました。
いくつかの動的ポイントのみが存在しました。
結果は、DynaHull がさまざまな指標、特に Earth Mover’s Distance においてこれらの技術を上回っていることを示しました。
この研究は、動的環境における正確なマッピングと位置特定に不可欠な動的ポイント除去の効率的な方法を提供することで、屋内ロボット工学に貢献します。

要約(オリジナル)

In the field of indoor robotics, accurately navigating and mapping in dynamic environments using point clouds can be a challenging task due to the presence of dynamic points. These dynamic points are often represented by people in indoor environments, but in industrial settings with moving machinery, there can be various types of dynamic points. This study introduces DynaHull, a novel technique designed to enhance indoor mapping accuracy by effectively removing dynamic points from point clouds. DynaHull works by leveraging the observation that, over multiple scans, stationary points have a higher density compared to dynamic ones. Furthermore, DynaHull addresses mapping challenges related to unevenly distributed points by clustering the map into smaller sections. In each section, the density factor of each point is determined by dividing the number of neighbors by the volume these neighboring points occupy using a convex hull method. The algorithm removes the dynamic points using an adaptive threshold based on the point count of each cluster, thus reducing the false positives. The performance of DynaHull was compared to state-of-the-art techniques, such as ERASOR, Removert, OctoMap, and a baseline statistical outlier removal from Open3D, by comparing each method to the ground truth map created during a low activity period in which only a few dynamic points were present. The results indicated that DynaHull outperformed these techniques in various metrics, noticeably in the Earth Mover’s Distance. This research contributes to indoor robotics by providing efficient methods for dynamic point removal, essential for accurate mapping and localization in dynamic environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google