[論文レビュー] Enhance Accuracy: Sensitivity and Uncertainty Theory in LiDAR Odometry and Mapping

Zeyu Wan, Yu Zhang+5 more|arXiv (Cornell University)|Nov 15, 2021

Robotics and Sensor-Based Localization被引用数 4

ひとこと要約

本稿では、LiDARオドメトリとマッピングの精度を向上させるために、高感度・低不確実性な点残差を選択することにより、新たな感度および不確実性理論を提案する。6次元における感度と不確実性を定式化し、しきい値に基づく選択を適用することで、全般的な統計的最適性を達成し、残差項を削減することで、屋内および屋外のLiDARオドメトリおよびLiDARインertialオドメトリシステムにおいて、リアルタイム性能を損なわずにポーズ推定精度を向上させる。

ABSTRACT

Currently, the improvement of LiDAR poses estimation accuracy is an urgent need for mobile robots. Research indicates that diverse LiDAR points have different influences on the accuracy of pose estimation. This study aimed to select a good point set to enhance accuracy. Accordingly, the sensitivity and uncertainty of LiDAR point residuals were formulated as a fundamental basis for derivation and analysis. High-sensitivity and low -uncertainty point residual terms are preferred to achieve higher pose estimation accuracy. The proposed selection method has been theoretically proven to be capable of achieving a global statistical optimum. It was tested on artificial data and compared with the KITTI benchmark. It was also implemented in LiDAR odometry (LO) and LiDAR inertial odometry (LIO), both indoors and outdoors. The experiments revealed that utilizing selected LiDAR point residuals simultaneously enhances optimization accuracy, decreases residual terms, and guarantees real-time performance.

研究の動機と目的

• 長期間にわたる運用において、LiDARベースのSLAMシステムにおけるポーズ推定精度の向上という重要なニーズに対処すること。
• すべてのLiDAR点がポーズ推定精度に同等に寄与するのではなく、感度と不確実性が異なることの特定。
• 理論的根拠に基づき、一般化可能な方法を考案し、LiDARオドメトリおよびマッピングのフロントエンド精度を向上させること。
• 計算負荷と残差誤差を低減しながら、リアルタイム性能を維持する方法の選定。

提案手法

• 本稿では、感度を6次元ベクトル（回転用3次元、並進用3次元）として定式化し、小さなポーズ摂動に対する登録残差の変化量を定量化する。
• 不確実性は3次元のガウス分布としてモデル化され、LiDAR点の測定の信頼性およびその幾何モデル（例：平面または直線）を反映する。
• 感度と不確実性は分離され、すべてのLiDAR点残差の順序付けに用いるスコアベクトルに統合される。
• しきい値に基づく選択ルールが適用され、高感度・低不確実性な残差のみが最適化に保持される。
• 理論的証明により、この選択手法がポーズ推定誤差を最小化する意味で全般的な統計的最適性を達成することが示された。
• 本手法は、LOおよびLIOを含む、任意の最適化ベースのLiDAR SLAMシステムと互換性のあるプラグインモジュールとして実装された。

実験結果

リサーチクエスチョン

• RQ1 感度および不確実性理論を用いて、ポーズ推定に最も寄与するLiDAR点残差を体系的に特定・選択できるか？
• RQ2 高感度・低不確実性な残差を選択することで、ポーズ推定誤差が統計的に最適に低減できるか？
• RQ3 この選択手法は、異なるLiDAR SLAMアルゴリズムおよびハードウェア構成に一般化可能か？ また、リアルタイム性能を損なわないか？
• RQ4 本手法は、すべての有効な平面特徴点を使用するベースラインと比較して、精度および計算効率の面で優れているか？

主な発見

• 提案手法は、ベースラインと比較して約半数の平面特徴点を使用しながらも、KITTIシーケンス03ベンチマークで顕著に低い並進誤差を達成した。
• 選択された残差は、最適化における残差項の数を削減すると同時に、屋内および屋外の両環境でポーズ推定精度を向上させた。
• 理論的分析により、選択戦略がポーズ推定誤差を最小化する意味で全般的な統計的最適性を達成することが確認された。
• LiDARオドメトリ（LO）およびLiDARインエラシャルオドメトリ（LIO）システムに統合した際、本手法はリアルタイム性能を示した。
• 高感度な点は主に中層の建物の壁に位置しており、近接地面や木の点は低感度・高不確実性を示した。
• 本手法は特定のLiDARハードウェアやSLAMアルゴリズム設計に依存しないため、汎用的な精度向上モジュールとしての応用が可能である。