Informed, Constrained, Aligned: A Field Analysis on Degeneracy-aware Point Cloud Registration in the Wild

要約

ICP 登録アルゴリズムは、10 年近くにわたり、LiDAR ベースのロボットの位置特定に推奨される方法でした。
ただし、最新の SLAM ソリューションであっても、幾何学的に条件が悪い環境では ICP が劣化し、信頼性が低下する可能性があります。
現在のソリューションは主に、外部オドメトリなどの追加の情報ソースを利用して、最適化ソリューションの縮退方向を置き換えたり、センサー フュージョン セットアップに後から制約を追加したりすることに重点を置いています。
これに応えて、この研究では、堅牢な LiDAR ベースの位置特定のための新規および既存の縮退緩和手法を調査および比較し、この規模の文献で初めて縮退環境におけるこれらのアプローチの有効性を分析します。
具体的には、この研究では、i) ICP アルゴリズムへのさまざまなタイプの制約の組み込み、ii) アクティブまたはパッシブ縮退緩和技術の使用の効果、および iii) 病気に対するグローバル点群登録方法の利用の選択を提案および調査します。
LiDAR 縮退環境における条件付き ICP 問題。
研究結果は、複数の実世界のフィールドおよび模擬実験を通じて検証されています。
この分析は、LiDAR-SLAM に対する信頼できる外部推定支援がない場合には、アクティブな最適化による縮退の緩和が必要であり、有利であることを示しています。
さらに、最適化の前または最適化中に縮退を意識したハード制約を導入すると、後に制約を含めるよりも実際のパフォーマンスが向上することが示されています。
さらに、ヒューリスティックに微調整されたパラメーターを使用すると、ソフト制約により、複雑な条件の悪いシナリオでも同等以上の結果が得られます。
この作業の分析に使用された実装は、コミュニティに公開されています。

要約(オリジナル)

The ICP registration algorithm has been a preferred method for LiDAR-based robot localization for nearly a decade. However, even in modern SLAM solutions, ICP can degrade and become unreliable in geometrically ill-conditioned environments. Current solutions primarily focus on utilizing additional sources of information, such as external odometry, to either replace the degenerate directions of the optimization solution or add additional constraints in a sensor-fusion setup afterward. In response, this work investigates and compares new and existing degeneracy mitigation methods for robust LiDAR-based localization and analyzes the efficacy of these approaches in degenerate environments for the first time in the literature at this scale. Specifically, this work proposes and investigates i) the incorporation of different types of constraints into the ICP algorithm, ii) the effect of using active or passive degeneracy mitigation techniques, and iii) the choice of utilizing global point cloud registration methods on the ill-conditioned ICP problem in LiDAR degenerate environments. The study results are validated through multiple real-world field and simulated experiments. The analysis shows that active optimization degeneracy mitigation is necessary and advantageous in the absence of reliable external estimate assistance for LiDAR-SLAM. Furthermore, introducing degeneracy-aware hard constraints in the optimization before or during the optimization is shown to perform better in the wild than by including the constraints after. Moreover, with heuristic fine-tuned parameters, soft constraints can provide equal or better results in complex ill-conditioned scenarios. The implementations used in the analysis of this work are made publicly available to the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google