[論文レビュー] On Transitive Consistency for Linear Invertible Transformations between Euclidean Coordinate Systems

Johan Thunberg, Florian Bernard+1 more|arXiv (Cornell University)|Sep 2, 2015

Mathematics and Applications参考文献 1被引用数 5

ひとこと要約

本稿では、ユークリッド座標系間の線形可逆変換を同期化する集中型および分散型手法を提案し、推移的整合性（AからBへの変換とBからCへの変換の合成が、AからCへの直接変換に等しいこと）を保証する。特異値分解（SVD）とガウス・ニュートン最適化を用いることで、高いノイズ下でもほぼ最適な同期化を達成でき、分散型バージョンでは最適性ギャップが非常に小さい。

ABSTRACT

Transitive consistency is an intrinsic property for collections of linear invertible transformations between Euclidean coordinate frames. In practice, when the transformations are estimated from data, this property is lacking. This work addresses the problem of synchronizing transformations that are not transitively consistent. Once the transformations have been synchronized, they satisfy the transitive consistency condition - a transformation from frame $A$ to frame $C$ is equal to the composite transformation of first transforming A to B and then transforming B to C. The coordinate frames correspond to nodes in a graph and the transformations correspond to edges in the same graph. Two direct or centralized synchronization methods are presented for different graph topologies; the first one for quasi-strongly connected graphs, and the second one for connected graphs. As an extension of the second method, an iterative Gauss-Newton method is presented, which is later adapted to the case of affine and Euclidean transformations. Two distributed synchronization methods are also presented for orthogonal matrices, which can be seen as distributed versions of the two direct or centralized methods; they are similar in nature to standard consensus protocols used for distributed averaging. When the transformations are orthogonal matrices, a bound on the optimality gap can be computed. Simulations show that the gap is almost right, even for noise large in magnitude. This work also contributes on a theoretical level by providing linear algebraic relationships for transitively consistent transformations. One of the benefits of the proposed methods is their simplicity - basic linear algebraic methods are used, e.g., the Singular Value Decomposition (SVD). For a wide range of parameter settings, the methods are numerically validated.

研究の動機と目的

• ノイズや推定誤差のため実際には破綻しやすい、ユークリッド座標フレーム間の線形可逆変換における推移的整合性の問題に対処すること。
• 非推移的整合性を持つ変換を、元の推定値に近く推移的に整合性を持つ代替変換に修正する集中型および分散型アルゴリズムの開発。
• すべての i,j,k に対して G∗ijG∗jk = G∗ik を満たす同期化された変換を保証することにより、幾何学的整合性を回復すること。
• アフィン、ユークリッド、直交行列を含むさまざまな変換タイプに対して、理論的保証と数値的妥当性を提供すること。
• グラフ構造と反復的精錬を活用することで、分散型の協調的アルゴリズムが、顕著なノイズ下でもほぼグローバル最適解に到達できることを示すこと。

提案手法

• 推移的整合性を線形代数的制約の集合として定式化し、SVDを用いた最小二乗法により最適な変換を求めるZ行列法を提案。
• 同期化問題を変換行列上の最適化問題として直接定式化し、中間の制約を回避するH行列法を導入。
• H行列法の解を初期値として用い、アフィンおよびユークリッド変換に適応したガウス・ニュートン反復法を開発し、収束性と精度を向上。
• 直交行列のための2つの分散アルゴリズムを提示。各ノードが隣接ノードとの局所的通信に基づいて自身の変換を更新する協調プロトコルに類似。
• 分散型手法の基盤として直交プロクラステス問題を用い、SVDと行列再重み付けを用いて効率的な計算を可能にする。
• 直交変換に対する最適性ギャップの上限を提示。大規模なノイズ下でもほぼタイトであることが示され、分散解のほぼ最適性が裏付けられる。

実験結果

リサーチクエスチョン

• RQ1 座標フレーム間の非推移的整合性を持つ線形変換を、幾何学的整合性を回復させるためにどのように同期化できるか？
• RQ2 高ノイズ下において、分散型協調的アルゴリズムとグローバル最適解との間の性能ギャップはどの程度か？
• RQ3 反復的ガウス・ニュートン法は、アフィンおよびユークリッド変換において、直接的な集中型手法よりも同期化精度を向上させられるか？
• RQ4 収束速度、数値的安定性、ノイズ耐性という観点から、提案された集中型および分散型手法はどのように比較できるか？
• RQ5 直交行列の場合に、分散型同期化アルゴリズムの最適性について、どのような理論的保証を提供できるか？

主な発見

• Z行列法とH行列法は基本的な線形代数を用いて推移的整合性を達成し、アフィンおよびユークリッド変換においてH行列法がZ行列法を上回る精度を示す。
• H行列法の解を初期値として用いるガウス・ニュートン反復法は、アフィンおよびユークリッド変換において、同期化精度を顕著に向上させ、直接法を上回る。
• 直交変換において、分散型のZおよびH行列法は、大規模なノイズ（σ = 0.4）下でも最適性ギャップがほぼタイトであることを示し、ほぼグローバル最適性を達成している。
• 協調プロトコルに類似した分散アルゴリズムは、グローバル最適解に非常に近い解に収束し、さまざまなグラフトポロジーにおいて安定的かつ高速な収束が数値的に確認された。
• 提案手法は、ノイズレベル（σ ∈ [0.1, 0.4]）、次元（d ∈ [2,10]）、グラフ密度（ρ ∈ [0.1,1]）を含む広範なパrameter設定において、数値的に妥当性を検証され、耐障害性を示した。
• 理論的解析により、直交変換の最適性ギャップが有界であり、実験的にタイトであることが確認され、分散型手法の有効性が裏付けられた。