[論文レビュー] A fast, complete, point cloud based loop closure for LiDAR odometry and mapping

Jiarong Lin, Fu Zhang|arXiv (Cornell University)|Sep 25, 2019

Robotics and Sensor-Based Localization参考文献 25被引用数 45

ひとこと要約

本論文は、LOAMに対する高速で回転不変のループクロージング手法を提案する。キーフレーム特徴の2Dヒストグラムを用いてループを検出し、その後地図の整合とポーズグラフ最適化を行い、すべてオープンソース化している。

ABSTRACT

This paper presents a loop closure method to correct the long-term drift in LiDAR odometry and mapping (LOAM). Our proposed method computes the 2D histogram of keyframes, a local map patch, and uses the normalized cross-correlation of the 2D histograms as the similarity metric between the current keyframe and those in the map. We show that this method is fast, invariant to rotation, and produces reliable and accurate loop detection. The proposed method is implemented with careful engineering and integrated into the LOAM algorithm, forming a complete and practical system ready to use. To benefit the community by serving a benchmark for loop closure, the entire system is made open source on Github

研究の動機と目的

• LiDARオドメトリおよびマッピング（LOAM）における長期ドリフトの動機づけと対処。
• LiDARデータでリアルタイムに動作できる高速で完全なループクロージャパイプラインの開発。
• キーフレーム特徴の2Dヒストグラムに基づく回転不変で頑健なループ検出機構の提供。
• LOAMへループクロージャを地図整合とポーズグラフ最適化とともに統合。
• システムとデータセットをオープンソース化し、点群ベースのループクロージャのベンチマークとして提供。

提案手法

• 回転補正され方向正規化された特徴方向から派生した、平面特徴と直線特徴の2つの2Dヒストグラムで各キーフレームを表現。
• 局所平面/直線共分散の固有分解により各セルの回転不変な特徴方向を計算し、平面特徴方向からグローバル回転Rを推定。
• 新しいキーフレームのヒストグラムを履歴データベースと正規化相互相関で比較し、閾値（平面0.90、直線0.65）で潜在的なループを検出。
• エッジ同士および平面同士の特徴を用いて新しいキーフレーム地図をグローバル地図に登録し、受け入れのための距離チェックを行い（<0.1 m）。
• ループクロージャ後にceres-solverを用いてポーズグラフ最適化を実行し、地図内のすべてのセルを適切に更新。
• GitHub上でデータセットとコードを含むオープンソースのLOAM拡張を提供。

実験結果

リサーチクエスチョン

• RQ1 2Dヒストグラムベースのキーフレーム表現は、LiDARベースのSLAMにおいて高速かつ信頼性の高いループクロージャを実現できるか。
• RQ2 平面/直線特徴方向を用いた点群ループ検出で回転不変性は達成可能か。
• RQ3 LOAM内でのループ検出後のドリフト補正における地図整合とポーズグラフ最適化の有効性はどの程度か。
• RQ4 提案されたループクロージャパイプラインのデスクトップおよび搭載プラットフォームでの計算性能はどうか。
• RQ5 提案システムは大規模な屋外および室内のLiDARデータセットで一般化できるか。

主な発見

2D histogram computing	Maps alignment	Similarity of two maps
1.18 ms	621 ms	13 μs
1.48 ms	931 ms	16 μs

• ループクロージョン手法はキーフレームの2Dヒストグラムを正規化相互相関で比較し、閾値（平面0.90、直線0.65）でループを検出する。
• デスクトップおよび搭載ハードウェアの双方で実時間動作に適した高速なループ検出と地図整合を実現。
• ループクロージャに続くポーズグラフ最適化により LOAM マップの長期ドリフトを大幅に低減。
• ループクロージャ後に外部参照（例：Google Maps）との点群マップの正確な整合を示す。
• この手法はGitHub上でデータセットとコードが公開されているオープンソースのLOAM拡張として実装。
• 回転不変性評価は、平面特徴が回転下でも類似性を維持し、直線特徴は回転を跨って識別可能であることを示す。