[論文レビュー] Dense 3-D Mapping with Spatial Correlation via Gaussian Filtering

Ke Sun, Kelsey Saulnier+3 more|arXiv (Cornell University)|Jan 23, 2018

Gaussian Processes and Bayesian Inference参考文献 14被引用数 3

ひとこと要約

本稿では、ガウス過程分類のカルマンフィルタベースの近似を用いてグリッドセル間の空間相関をモデル化することで、計算効率の高い密度付き3次元占有マッピング手法であるオカピーシティグリッドフィルタ（OGF）を提案する。従来の占有グリッドが独立性を仮定するのに対し、OGFは不確実性と相関を捉えることでマップの正確性とトラジェクトリ計画の質を向上させ、データ履歴に伴い立方的に増加するのではなく、マップサイズに二次的に増加する計算複雑度を有する。

ABSTRACT

Constructing an occupancy representation of the environment is a fundamental problem for robot autonomy. Many accurate and efficient methods exist that address this problem but most assume that the occupancy states of different elements in the map representation are statistically independent. The focus of this paper is to provide a model that captures correlation of the occupancy of map elements. Correlation is important not only for improved accuracy but also for quantifying uncertainty in the map and for planning autonomous mapping trajectories based on the correlation among known and unknown areas. Recent work proposes Gaussian Process (GP) regression to capture covariance information and enable resolution-free occupancy estimation. The drawback of techniques based on GP regression (or classification) is that the computation complexity scales cubically with the length of the measurement history. Our main contribution is a new approach for occupancy mapping that models the binary nature of occupancy measurements precisely, via a Bernoulli distribution, and provides an efficient approximation of GP classification with complexity that does not scale with time. We prove that the error between the estimates provided by our method and those provided by GP classification is negligible. The proposed method is evaluated using both simulated data and real data collected using a Velodyne Puck 3-D range sensor.

研究の動機と目的

• グリッドセル間の統計的独立性を仮定する従来の占有グリッドの限界を是正すること。
• 3次元占有マップにおける空間相関をモデル化し、正確性と不確実性の定量化を向上させること。
• 測定履歴に伴い立方的に増加するガウス過程分類の代替として、計算効率の高い手法を開発すること。
• 2値センサ測定値を用いて解像度に依存しない連続的占有推定を可能とすること。
• 情報的なトラジェクトリ計画を可能とするために、自律的マッピングを支援する共分散情報の提供すること。

提案手法

• 占有をベルヌーイ過程としてモデル化し、占有確率を表す潜在ガウス過程を用いる。
• 潜在関数の事後分布を近似するためにカルマンフィルタを適用し、各更新に対して定常的な計算コストで逐次更新を可能にする。
• 潜在値を2値占有確率にマッピングするためにプロビットリンク関数を用いる。
• 測定更新ステップは期待値伝搬（EP）近似から導出され、ガウス過程分類と整合性を保つ。
• 空間相関カーネルを用いてグリッドセル間の共分散構造を定義し、滑らかで連続的な占有推定を可能にする。
• アルゴリズムはストリーム指向に実装されており、新しいセンサデータが到着する度にリアルタイムで逐次更新が可能である。

実験結果

リサーチクエスチョン

• RQ1 空間相関を保持しつつ、ガウス過程分類の近似として計算効率の高い手法が占有マッピングに適用可能か。
• RQ2 グリッドセル間の空間相関をモデル化することで、独立な占有グリッドと比較してマップの正確性と不確実性の定量化が向上するか。
• RQ3 提案手法が、標準的なGP手法とは異なり、時間経過に伴い定常的な計算複雑度を維持できるか。
• RQ4 空間相関の組み込みが、スパarsなセンサデータからの3次元マップのギャップ埋め能力にどのように影響するか。
• RQ5 提案手法が提供する共分散構造が、より情報的な自律的探索トラジェクトリの計画を可能にするか。

主な発見

• OGFは、ガウス過程分類のゴールドスタンダードである期待値伝搬（EP）とほぼ同一の分類精度を達成し、潜在値推定において無視できる誤差しか生じない。
• 2次元シミュレーションでは、適切な数の測定値で、標準的な占有グリッドマッピングを上回る分類精度を示した。
• Velodyne Puckセンサから得た実世界の3次元データにおいて、OGFはギャップを効果的に埋めることで、Octomapよりも密度の高いマップを生成した。
• 特に遮蔽領域や観測が不十分な領域において、地面の平面や複雑な屋内構造の再構築において優れた性能を示した。
• OGFの計算複雑度はマップサイズに二次的に増加するため、リアルタイム動作が可能である一方、標準的なGP手法は測定履歴に立方的に増加する。
• OGFが提供する共分散情報により、独立グリッドモデルと比較して不確実性の定量化が向上し、マップの完全性も向上した。