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) LiDAR 縮退環境における悪条件の ICP の問題に対するアクティブまたはパッシブ縮退緩和手法の使用の効果、ii) TSVD、不等式制約、および線形/非線形チホノフ正則化の評価を調査します。
縮退点群登録を初めて適用。
さらに、ICP 問題の最小二乗最小化ステップの感度分析が実行され、各手法が最適化にどのような影響を与えるか、各手法から何を期待できるかをよりよく理解できます。
解析結果は、複数の実世界のロボットフィールドと模擬実験を通じて検証されます。
この分析は、LiDAR-SLAM に対する信頼性の高い外部推定支援が存在しない場合には、アクティブな最適化による縮退の緩和が必要かつ有利であること、および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複雑な悪条件のシナリオにおいて、ソフト制約付き手法がより良い結果を提供できることを示しています。
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 investigates i) the effect of using active or passive degeneracy mitigation methods for the problem of ill-conditioned ICP in LiDAR degenerate environments, ii) the evaluation of TSVD, inequality constraints, and linear/non-linear Tikhonov regularization for the application of degenerate point cloud registration for the first time. Furthermore, a sensitivity analysis for least-squares minimization step of the ICP problem is carried out to better understand how each method affects the optimization and what to expect from each method. The results of the analysis are validated through multiple real-world robotic field and simulated experiments. The analysis demonstrates that active optimization degeneracy mitigation is necessary and advantageous in the absence of reliable external estimate assistance for LiDAR-SLAM, and soft-constrained methods can provide better results in complex ill-conditioned scenarios with heuristic fine-tuned parameters.
arxiv情報
著者 | Turcan Tuna,Julian Nubert,Patrick Pfreundschuh,Cesar Cadena,Shehryar Khattak,Marco Hutter |
発行日 | 2025-01-08 09:55:26+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google