Probabilistic Degeneracy Detection for Point-to-Plane Error Minimization

要約

情報を提供しないジオメトリから生じる縮退は、LiDAR ベースの位置特定とマッピングを劣化させることが知られています。
この研究では、点対面誤差の最小化における縮退の影響を検出して軽減するための新しい確率的方法を導入しています。
点対平面最適化問題のヘッセ行列上のノイズは、その構築に使用される点および表面法線上のノイズによって特徴付けられます。
この特徴付けを利用して、方向が縮退する確率を定量化します。
縮退検出手順は、LiDAR 登録用の新しいリアルタイム縮退対応反復最近点アルゴリズムで使用され、縮退方向の更新をスムーズに減衰させます。
このメソッドのパラメーターは、LiDAR のデータシートで提供されるノイズ特性に基づいて選択されます。
私たちはこのアプローチを 4 つの実際の実験で検証し、縮退の悪影響の検出と軽減において最先端の方法よりも優れていることを実証しました。
コミュニティの利益のために、このメソッドのコードを github.com/ntnu-arl/drpm でリリースします。

要約(オリジナル)

Degeneracies arising from uninformative geometry are known to deteriorate LiDAR-based localization and mapping. This work introduces a new probabilistic method to detect and mitigate the effect of degeneracies in point-to-plane error minimization. The noise on the Hessian of the point-to-plane optimization problem is characterized by the noise on points and surface normals used in its construction. We exploit this characterization to quantify the probability of a direction being degenerate. The degeneracy-detection procedure is used in a new real-time degeneracy-aware iterative closest point algorithm for LiDAR registration, in which we smoothly attenuate updates in degenerate directions. The method’s parameters are selected based on the noise characteristics provided in the LiDAR’s datasheet. We validate the approach in four real-world experiments, demonstrating that it outperforms state-of-the-art methods at detecting and mitigating the adverse effects of degeneracies. For the benefit of the community, we release the code for the method at: github.com/ntnu-arl/drpm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google