X-ICP: Localizability-Aware LiDAR Registration for Robust Localization in Extreme Environments

要約

最新のロボット システムは困難な環境で動作する必要があり、困難な条件下でも信頼性の高い位置特定が求められます。
Iterative Closest Point (ICP) アルゴリズムなどの LiDAR ベースの位置特定手法は、点群の登録パフォーマンスを低下させ、弱い制約の方向に沿って最適化を発散させることが知られている幾何学的に情報の少ない環境では問題が発生する可能性があります。
この問題を克服するために、この研究では、i) 堅牢できめの細かいローカライゼーション検出モジュール、および ii) 統一された方法でローカライゼーション検出モジュールと結合する、ローカライゼーションを意識した制約付き ICP 最適化モジュールを提案します。
提案されたローカライゼーション検出は、スキャンとマップ間の対応関係を利用して、きめ細かい LiDAR ローカライゼーション分析の一部として、最適化の主方向に対するアライメント強度を分析することによって実現されます。
2 番目の部分では、この局所性解析がスキャンからマップへの点群登録に統合され、制御された更新を強制するか、最適化の縮退方向を変更しないままにすることで、ドリフトのない姿勢更新が生成されます。
提案された方法は、シミュレーション実験および現実世界の実験で徹底的に評価され、最先端の方法と比較され、LiDAR が困難な環境におけるパフォーマンスと信頼性の向上が実証されています。
すべての実験において、提案されたフレームワークは、環境固有のパラメーター調整を行わずに、正確かつ一般化可能なローカリゼーション検出とロバストな姿勢推定を実証します。

要約(オリジナル)

Modern robotic systems are required to operate in challenging environments, which demand reliable localization under challenging conditions. LiDAR-based localization methods, such as the Iterative Closest Point (ICP) algorithm, can suffer in geometrically uninformative environments that are known to deteriorate point cloud registration performance and push optimization toward divergence along weakly constrained directions. To overcome this issue, this work proposes i) a robust fine-grained localizability detection module, and ii) a localizability-aware constrained ICP optimization module, which couples with the localizability detection module in a unified manner. The proposed localizability detection is achieved by utilizing the correspondences between the scan and the map to analyze the alignment strength against the principal directions of the optimization as part of its fine-grained LiDAR localizability analysis. In the second part, this localizability analysis is then integrated into the scan-to-map point cloud registration to generate drift-free pose updates by enforcing controlled updates or leaving the degenerate directions of the optimization unchanged. The proposed method is thoroughly evaluated and compared to state-of-the-art methods in simulated and real-world experiments, demonstrating the performance and reliability improvement in LiDAR-challenging environments. In all experiments, the proposed framework demonstrates accurate and generalizable localizability detection and robust pose estimation without environment-specific parameter tuning.

arxiv情報

著者 Turcan Tuna,Julian Nubert,Yoshua Nava,Shehryar Khattak,Marco Hutter
発行日 2024-02-18 15:23:32+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク