Probabilistic Degeneracy Detection for Point-to-Plane Error Minimization

要約

非情報的な形状から生じる縮退は、LiDAR ベースのローカライゼーションやマッピングを悪化させることが知られている。本研究では、点対面の誤差最小化における縮退の影響を検出し、緩和するための新しい確率的手法を導入する。点から面への最適化問題のヘシアン上のノイズは、その構築に使用される点と面の法線上のノイズによって特徴付けられる。この特徴を利用して、ある方向が縮退している確率を定量化する。縮退検出手順は、LiDARレジストレーションのための新しいリアルタイム縮退認識反復最近点アルゴリズムに使用され、縮退方向の更新を滑らかに減衰させる。この手法のパラメータは、LiDARのデータシートに記載されているノイズ特性に基づいて選択される。我々は4つの実世界の実験でこのアプローチを検証し、縮退の悪影響の検出と緩和において、最新の手法を上回ることを実証した。コミュニティのために、この手法のコードをgithub.com/ntnu-arl/drpmで公開しています。

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, DeepL