IPC: Incremental Probabilistic Consensus-based Consistent Set Maximization for SLAM Backends

要約

SLAM (同時位置特定とマッピング) 問題において、ポーズ グラフ最適化 (PGO) は、一連のペアごとの相対測定値から一連の姿勢 (位置と方向) の初期推定値を改良する手法です。
最適化手順は、単一の異常値の測定によっても悪影響を受ける可能性があり、壊滅的で無意味な結果が生じる可能性があります。
ロバストな最適化に関する最近の取り組みは、外れ値の測定値の存在を軽減することを目的としていますが、多数の外れ値を処理できるロバストなソリューションはまだ登場していません。
この論文では、Incremental Probabilistic Consensus の頭字語である IPC を紹介します。これは、増分方式で最大限一貫した測定値のセットを見つけるという組み合わせ問題の解を近似する方法です。
これは、コンセンサスベースの手順を通じて各ループ閉鎖測定の一貫性を評価します。これは、以前に統合されたすべてのインライア測定に拒否権がある場合、グローバル問題のサブセットに適用される可能性があります。
私たちは、いくつかの最先端の方法に対する標準ベンチマークで IPC を評価しました。
IPC はシンプルで実装が比較的簡単ですが、オンライン パフォーマンスを提供しながら外れ値を処理する点で、テストされた他の方法と競合またはそれを上回ります。
この文書では、提案された手法のオープンソース実装をリリースします。

要約(オリジナル)

In SLAM (Simultaneous localization and mapping) problems, Pose Graph Optimization (PGO) is a technique to refine an initial estimate of a set of poses (positions and orientations) from a set of pairwise relative measurements. The optimization procedure can be negatively affected even by a single outlier measurement, with possible catastrophic and meaningless results. Although recent works on robust optimization aim to mitigate the presence of outlier measurements, robust solutions capable of handling large numbers of outliers are yet to come. This paper presents IPC, acronym for Incremental Probabilistic Consensus, a method that approximates the solution to the combinatorial problem of finding the maximally consistent set of measurements in an incremental fashion. It evaluates the consistency of each loop closure measurement through a consensus-based procedure, possibly applied to a subset of the global problem, where all previously integrated inlier measurements have veto power. We evaluated IPC on standard benchmarks against several state-of-the-art methods. Although it is simple and relatively easy to implement, IPC competes with or outperforms the other tested methods in handling outliers while providing online performances. We release with this paper an open-source implementation of the proposed method.

arxiv情報

著者 Emilio Olivastri,Alberto Pretto
発行日 2024-08-15 19:58:41+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