A Pointcloud Registration Framework for Relocalization in Subterranean Environments

要約

環境内でロボットの位置を再確立するプロセスである再局在化は、GPSなどの外部の位置決め情報が利用できないか、失われている場合に正確なナビゲーションとタスクの実行を確保するために重要です。
地下の環境は、外部のポジショニング情報が限られているため、カメラの局在化に影響を与える不十分な照明、不規則でしばしば非距離の表面、およびセンサーデータにノイズと閉塞を導入できる粉塵により、再局在化の重要な課題を提示します。
この作業では、以前のポイントクラウドマップを使用して、ポイントクラウド登録を通じて再局在化するための堅牢で計算フレンドリーなフレームワークを提案します。
このフレームワークは、本質的な形状シグネチャ（ISS）を使用して、ターゲットクラウドと前のポイントクラウドの両方でフィーチャポイントを選択します。
Fast Point特徴ヒストグラム（FPFH）アルゴリズムは、これらの特徴点の記述子を作成するために使用され、これらの記述子を一致させると、ポイントクラウド間の対応が得られます。
3D変換は、一致したポイントを使用して推定されます。これにより、正規分布変換（NDT）登録が初期化されます。
NDTからの変換の結果は、反復的な最も近いポイント（ICP）登録アルゴリズムを使用してさらに洗練されています。
このフレームワークは、ダスト干渉やターゲットとソースの間の大幅な初期変換など、困難な状況でも登録の精度を向上させ、地下鉱山とトンネルで動作する自律的なロボットに適しています。
このフレームワークは、シミュレートされた現実世界の鉱山データセットでの実験で検証され、再局在化の改善の可能性を示しています。

要約(オリジナル)

Relocalization, the process of re-establishing a robot’s position within an environment, is crucial for ensuring accurate navigation and task execution when external positioning information, such as GPS, is unavailable or has been lost. Subterranean environments present significant challenges for relocalization due to limited external positioning information, poor lighting that affects camera localization, irregular and often non-distinct surfaces, and dust, which can introduce noise and occlusion in sensor data. In this work, we propose a robust, computationally friendly framework for relocalization through point cloud registration utilizing a prior point cloud map. The framework employs Intrinsic Shape Signatures (ISS) to select feature points in both the target and prior point clouds. The Fast Point Feature Histogram (FPFH) algorithm is utilized to create descriptors for these feature points, and matching these descriptors yields correspondences between the point clouds. A 3D transformation is estimated using the matched points, which initializes a Normal Distribution Transform (NDT) registration. The transformation result from NDT is further refined using the Iterative Closest Point (ICP) registration algorithm. This framework enhances registration accuracy even in challenging conditions, such as dust interference and significant initial transformations between the target and source, making it suitable for autonomous robots operating in underground mines and tunnels. This framework was validated with experiments in simulated and real-world mine datasets, demonstrating its potential for improving relocalization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google