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

要約

反復的な近くのポイント（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、そのパフォーマンスは、特徴と幾何学的構造を欠く非構造化された環境で悪影響を受ける可能性があり、局在化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退化性は、条件付き方向に沿った6-DOFポーズ推定でエラーにつながる可能性があることが知られています。
したがって、より広く、より微細な変性検出および取り扱い方法が必要です。
このペーパーでは、ICPアルゴリズムのポイントツーラインとポイントツープレーンの距離メトリックを組み合わせた新しいポイントクラウド登録フレームワークLP-ICPを提案し、ローカライズ性の検出と取り扱いを提案します。
LP-ICPは、ポイントツー面のローカル化可能性情報のみに依存するのではなく、ポイントツーラインメトリックを組み込んでローカライズ性分析を強化し、それにより豊かな幾何学的制約を活用します。
ローカライズ性検出モジュールと最適化モジュールで構成されています。
ローカライズ可能性検出モジュールは、スキャンとマップ間の平面に対して、エッジポイント（ローカル滑らかさが低い）と平面ポイント（局所的な滑らかさが高い）間の対応を利用することにより、ローカライズ性分析を実行します。
個々の対応制約のローカライズ性の寄与は、より広い範囲に適用できます。
最適化モジュールは、ローカル化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とハード制約を追加します。
これにより、ポーズを条件付きの指示に沿って制約することができます。
提案された方法は、シミュレーションおよび実際のデータセットで評価され、テストされたシナリオの最先端の方法よりも同等またはより良い精度を示しています。
部分的にローカライズ可能な方向で観察された変動は、堅牢性と一般化性に関するさらなる調査の必要性を示唆しています。

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. Rather than relying solely on point-to-plane localizability information, LP-ICP enhances the localizability analysis by incorporating a point-to-line metric, thereby exploiting richer geometric constraints. It 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. The proposed method is evaluated on simulation and real-world datasets, showing comparable or better accuracy than the state-of-the art methods in tested scenarios. Observed variations in partially localizable directions suggest the need for further investigation on robustness and generalizability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google