Quatro++: Robust Global Registration Exploiting Ground Segmentation for Loop Closing in LiDAR SLAM

要約

グローバル位置合わせは、3D 点群の 2 つの視点間の相対姿勢を推定する基本的なタスクです。
ただし、LiDAR SLAM のグローバル登録のパフォーマンスを低下させる問題が 2 つあります。1 つはスパース性の問題、もう 1 つは縮退です。
スパース性の問題は、機械的に回転する LiDAR センサーの 3D 点群測定のスパース特性によって発生します。
縮退の問題は、外れ値拒否メソッドで拒否される対応が多すぎて、内値が 3 つ未満になるために発生することがあります。
3D 点群の 2 つの視点間の姿勢の不一致が大きくなるにつれて、これら 2 つの問題はさらに深刻になります。
これらの問題に取り組むために、\textit{Quatro++} と呼ばれる堅牢なグローバル登録フレームワークを提案します。
グローバル登録自体にのみ焦点を当てた以前の研究を拡張し、LiDAR SLAM のループを閉じるという観点から堅牢なグローバル登録に取り組みます。
この目的を達成するために、地上セグメンテーションを利用して、堅牢なグローバル登録を実現します。
実験を通じて、私たちの提案方法が最先端のグローバル登録方法よりも高い成功率を示し、スパース性と縮退性の問題を克服することを示します。
さらに、地上セグメンテーションが地上車両の成功率の向上に大きく役立つことを示します。
最後に、提案した方法を LiDAR SLAM のループ終了モジュールに適用し、ループ制約の品質が向上し、より正確なマッピング結果が表示されることを確認します。
したがって、実験的証拠は、ループを閉じるときの初期アラインメントとしての本発明の方法の適合性を裏付けた。
私たちのコードは https://quatro-plusplus.github.io で入手できます。

要約(オリジナル)

Global registration is a fundamental task that estimates the relative pose between two viewpoints of 3D point clouds. However, there are two issues that degrade the performance of global registration in LiDAR SLAM: one is the sparsity issue and the other is degeneracy. The sparsity issue is caused by the sparse characteristics of the 3D point cloud measurements in a mechanically spinning LiDAR sensor. The degeneracy issue sometimes occurs because the outlier-rejection methods reject too many correspondences, leaving less than three inliers. These two issues have become more severe as the pose discrepancy between the two viewpoints of 3D point clouds becomes greater. To tackle these problems, we propose a robust global registration framework, called \textit{Quatro++}. Extending our previous work that solely focused on the global registration itself, we address the robust global registration in terms of the loop closing in LiDAR SLAM. To this end, ground segmentation is exploited to achieve robust global registration. Through the experiments, we demonstrate that our proposed method shows a higher success rate than the state-of-the-art global registration methods, overcoming the sparsity and degeneracy issues. In addition, we show that ground segmentation significantly helps to increase the success rate for the ground vehicles. Finally, we apply our proposed method to the loop closing module in LiDAR SLAM and confirm that the quality of the loop constraints is improved, showing more precise mapping results. Therefore, the experimental evidence corroborated the suitability of our method as an initial alignment in the loop closing. Our code is available at https://quatro-plusplus.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google