Fiducial Tag Localization on a 3D LiDAR Prior Map

要約

LiDAR 基準タグは、カメラ アプリケーションで使用されるよく知られた AprilTag に似ており、LiDAR センサーに人工的な機能を付与する便利なリソースとして機能し、ロボット工学アプリケーションを促進します。
残念ながら、既存の LiDAR 基準タグの位置特定方法は 3D LiDAR マップには適用されませんが、この問題の解決は LiDAR ベースの再位置特定とナビゲーションにとって有益です。
この論文では、3D LiDAR 事前マップ上で基準タグの位置を直接特定する新しいアプローチを開発し、タグのポーズ (ID 番号でラベル付け) と頂点位置 (インデックスでラベル付け) を返します。
マップのグローバル座標系。
特に、基準タグが取り付けられた平面と区別できない薄いシート オブジェクトであることを考慮して、マップの 3D 点群を強度とジオメトリの観点から徐々に分析し、タグを含む可能性のある点群を抽出する新しいパイプラインを設計します。
次に、中間面ベースの方法を導入して、潜在的な各クラスターにタグがあるかどうかをさらに確認し、見つかった場合は頂点の位置とタグの姿勢を計算します。
私たちは定性的実験と定量的実験の両方を実施し、私たちのアプローチが、以前の方法と比較してより高い精度を達成しながら、3D LiDAR マップ上のタグの位置を特定するために適用できる最初の方法であることを実証します。
この作業のオープンソース実装は、https://github.com/York-SDCNLab/Marker-Detection-General から入手できます。

要約(オリジナル)

The LiDAR fiducial tag, akin to the well-known AprilTag used in camera applications, serves as a convenient resource to impart artificial features to the LiDAR sensor, facilitating robotics applications. Unfortunately, the existing LiDAR fiducial tag localization methods do not apply to 3D LiDAR maps while resolving this problem is beneficial to LiDAR-based relocalization and navigation. In this paper, we develop a novel approach to directly localize fiducial tags on a 3D LiDAR prior map, returning the tag poses (labeled by ID number) and vertex locations (labeled by index) w.r.t. the global coordinate system of the map. In particular, considering that fiducial tags are thin sheet objects indistinguishable from the attached planes, we design a new pipeline that gradually analyzes the 3D point cloud of the map from the intensity and geometry perspectives, extracting potential tag-containing point clusters. Then, we introduce an intermediate-plane-based method to further check if each potential cluster has a tag and compute the vertex locations and tag pose if found. We conduct both qualitative and quantitative experiments to demonstrate that our approach is the first method applicable to localize tags on a 3D LiDAR map while achieving better accuracy compared to previous methods. The open-source implementation of this work is available at: https://github.com/York-SDCNLab/Marker-Detection-General.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google