LP-ICP: General Localizability-Aware Point Cloud Registration for Robust Localization in Extreme Unstructured Environments

要約

Iterative Closest Point (ICP) アルゴリズムは、LiDAR ベースの SLAM アルゴリズムの重要なコンポーネントです。
ただし、特徴や幾何学的構造が欠如した非構造化環境では、そのパフォーマンスが悪影響を受ける可能性があり、位置特定とマッピングの精度が低く、堅牢性が低くなります。
幾何学的制約の欠如によって引き起こされる縮退により、条件の悪い方向に沿った 6-DOF 姿勢推定でエラーが発生する可能性があることが知られています。
したがって、より広範囲かつよりきめ細かい縮退の検出および処理方法が必要です。
この論文では、ICP アルゴリズムの点から線および点から面までの距離メトリックと、局所性の検出および処理を組み合わせた新しい点群登録フレームワーク LP-ICP を提案します。
LP-ICP は、局所性検出モジュールと最適化モジュールで構成されます。
局所性検出モジュールは、スキャンとマップ間のエッジ点 (局所的な平滑性が低い) と線との対応関係、および平面点 (局所的な平滑性が高い) と平面との対応関係を利用して、局所性解析を実行します。
個々の対応制約の局所化可能性への寄与は、より広い範囲に適用できます。
最適化モジュールは、ローカライズ可能性カテゴリに基づいて、最適化方程式に追加のソフト制約とハード制約を追加します。
これにより、更新が制約値に向かうか、初期推定値を変更しないままにして、条件の悪い方向に沿ってポーズを制約することができます。
これにより精度が向上し、変動が減少します。
提案された方法は、シミュレーションと現実世界のデータセットの両方での実験を通じて広範に評価され、最先端の方法よりも高い、または同等の精度が実証されています。
この論文のデータセットとコードも https://github.com/xuqingyuan2000/LP-ICP でオープンソース化されます。

要約(オリジナル)

The Iterative Closest Point (ICP) algorithm is a crucial component of LiDAR-based SLAM algorithms. However, its performance can be negatively affected in unstructured environments that lack features and geometric structures, leading to low accuracy and poor robustness in localization and mapping. It is known that degeneracy caused by the lack of geometric constraints can lead to errors in 6-DOF pose estimation along ill-conditioned directions. Therefore, there is a need for a broader and more fine-grained degeneracy detection and handling method. This paper proposes a new point cloud registration framework, LP-ICP, that combines point-to-line and point-to-plane distance metrics in the ICP algorithm, with localizability detection and handling. LP-ICP consists of a localizability detection module and an optimization module. The localizability detection module performs localizability analysis by utilizing the correspondences between edge points (with low local smoothness) to lines and planar points (with high local smoothness) to planes between the scan and the map. The localizability contribution of individual correspondence constraints can be applied to a broader range. The optimization module adds additional soft and hard constraints to the optimization equations based on the localizability category. This allows the pose to be constrained along ill-conditioned directions, with updates either tending towards the constraint value or leaving the initial estimate unchanged. This improves accuracy and reduces fluctuations. The proposed method is extensively evaluated through experiments on both simulation and real-world datasets, demonstrating higher or comparable accuracy than the state-of-the-art methods. The dataset and code of this paper will also be open-sourced at https://github.com/xuqingyuan2000/LP-ICP.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google