ICET Online Accuracy Characterization for Geometry-Based Laser Scan Matching

要約

Distribution-to-Distribution (D2D) 点群登録アルゴリズムは高速で解釈可能で、非構造化環境でも適切に実行されます。
残念ながら、これらの手法の解誤差を予測するための既存の戦略は、特に大きな物理オブジェクトや拡張された物理オブジェクトを含む領域では楽観的すぎます。
この論文では、第一原理に基づく堅牢な精度予測を提供するために NDT を再構想した新しい 3D LIDAR スキャン マッチング アルゴリズムである反復最近接楕円体変換 (ICET) を紹介します。
NDT と同様に、ICET は、多くの小さな局所点分布を考慮して複雑なシーンを分析するために、LIDAR スキャンをボクセルに再分割しますが、ICET はボクセル分布を評価して、ランダム ノイズを決定論的な構造から区別します。
次に、ICET は重み付き最小二乗公式を使用して、このノイズと構造の区別を位置特定解の計算と解誤差の共分散の予測に組み込みます。
精度予測の妥当性を実証するために、実際の自動車データ、忠実度の高いシミュレートされた軌道、シミュレートされたコーナーケースシーンを含む 3 つの LIDAR テストで 3D ICET を検証します。
各テストにおいて、ICET は一貫してサブセンチメートルの精度でスキャン マッチングを実行します。
このレベルの精度と、アルゴリズムが完全に解釈可能であるという事実により、安全性が重要な輸送用途に適しています。
コードは https://github.com/mcdermatt/ICET で入手できます。

要約(オリジナル)

Distribution-to-Distribution (D2D) point cloud registration algorithms are fast, interpretable, and perform well in unstructured environments. Unfortunately, existing strategies for predicting solution error for these methods are overly optimistic, particularly in regions containing large or extended physical objects. In this paper we introduce the Iterative Closest Ellipsoidal Transform (ICET), a novel 3D LIDAR scan-matching algorithm that re-envisions NDT in order to provide robust accuracy prediction from first principles. Like NDT, ICET subdivides a LIDAR scan into voxels in order to analyze complex scenes by considering many smaller local point distributions, however, ICET assesses the voxel distribution to distinguish random noise from deterministic structure. ICET then uses a weighted least-squares formulation to incorporate this noise/structure distinction into computing a localization solution and predicting the solution-error covariance. In order to demonstrate the reasonableness of our accuracy predictions, we verify 3D ICET in three LIDAR tests involving real-world automotive data, high-fidelity simulated trajectories, and simulated corner-case scenes. For each test, ICET consistently performs scan matching with sub-centimeter accuracy. This level of accuracy, combined with the fact that the algorithm is fully interpretable, make it well suited for safety-critical transportation applications. Code is available at https://github.com/mcdermatt/ICET

arxiv情報

著者 Matthew McDermott,Jason Rife
発行日 2023-06-14 18:21:45+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO, I.4.8 パーマリンク