[論文レビュー] Practical optimal registration of terrestrial LiDAR scan pairs

Zhipeng Cai, Tat-Jun Chin+2 more|arXiv (Cornell University)|Nov 25, 2018

Robotics and Sensor-Based Localization参考文献 30被引用数 5

ひとこと要約

本稿では、組み込みのレベル調整による3次元並進 + アzierス回転という4DOF制約を活用することで、地上LiDARスキャンペアの実用的で最適な登録手法を提案する。決定的対応削減と、新規の多項式時間1次元回転探索を備えた高速な分枝限定法を採用し、実世界のスキャンにおいて数秒で正確な最適なアライメントを達成する。これにより、正確な最適化が日常的なLiDAR測量に実用可能になる。

ABSTRACT

Point cloud registration is a fundamental problem in 3D scanning. In this paper, we address the frequent special case of registering terrestrial LiDAR scans (or, more generally, levelled point clouds). Many current solutions still rely on the Iterative Closest Point (ICP) method or other heuristic procedures, which require good initializations to succeed and/or provide no guarantees of success. On the other hand, exact or optimal registration algorithms can compute the best possible solution without requiring initializations; however, they are currently too slow to be practical in realistic applications. Existing optimal approaches ignore the fact that in routine use the relative rotations between scans are constrained to the azimuth, via the built-in level compensation in LiDAR scanners. We propose a novel, optimal and computationally efficient registration method for this 4DOF scenario. Our approach operates on candidate 3D keypoint correspondences, and contains two main steps: (1) a deterministic selection scheme that significantly reduces the candidate correspondence set in a way that is guaranteed to preserve the optimal solution; and (2) a fast branch-and-bound (BnB) algorithm with a novel polynomial-time subroutine for 1D rotation search, that quickly finds the optimal alignment for the reduced set. We demonstrate the practicality of our method on realistic point clouds from multiple LiDAR surveys.

研究の動機と目的

• 地上LiDARスキャンにおける最適登録（グローバル最適解を保証）と実用性（実世界用途には遅すぎる）のギャップを埋める。
• 地上LiDARスキャナが水平に保たれるという物理的制約を活用し、6DOF登録問題を4DOF（3次元並進 + アジマス回転）に簡略化する。
• 最適解を保持しつつ、候補対応点を著しく削減する決定的対応選択スキームを開発する。
• 1次元回転探索のための新規な多項式時間サブルーチンを備えた高速な分枝限定法を設計し、グローバルに最適なアライメントを効率的に特定する。
• 正確な最適化が日常的なLiDAR測量に実用可能であることを実証し、ICPやヒューリスティック手法の限界を克服する。

提案手法

• 最適解が保持されるように、候補となる3次元キーポイント対応点をフィルタリングする決定的選択スキームを適用する。
• スキャン間の相対回転を1次元のアリュイス回転としてモデル化し、地上LiDARの水平補正を活用して自由度を削減する。
• 対応点から導出される角度区間の上での最大スタービング問題として1次元回転探索を定式化し、O(M log M)時間で解ける。
• 残りの4DOF解空間を探索する分枝限定フレームワークを用い、1次元回転探索サブルーチンが高価な反復最適化を置き換える。
• しきい値ε内に含まれるインライア対応点数を最大化する、頑健な目的関数を統合する。
• 対応点集合と幾何的制約から導かれるタイトな境界を用いて、早期に非最適な分枝を pruning することで探索を最適化する。

実験結果

リサーチクエスチョン

• RQ1 物理的制約を活用することで、地上LiDARスキャンペアにおける正確な最適登録を実用可能にすることができるか？
• RQ2 4DOF登録において、最適解を失うことなく、候補対応点の数をどのように削減できるか？
• RQ3 分枝限定フレームワークにおいて、反復手法に代わる多項式時間サブルーチンによる1次元回転探索が、最適登録の高速化に寄与できるか？
• RQ4 実世界のLiDARデータにおいて、ICPやヒューリスティック手法と比較して、実行時間と精度にどの程度の向上が得られるか？
• RQ5 本手法は、初期化を必要とせず、複雑でノイズが多い、または部分的に重複するスキャンに対してもグローバル最適性を達成できるか？

主な発見

• 提案手法は、実世界の地上LiDARスキャンにおいて10秒未塔で正確な最適登録を達成し、正確な最適化が日常的な測量に実用可能であることを示した。
• 決定的対応削減ステップにより、候補集合が著しく削減されつつもグローバル最適解が保持され、近似を用いず計算負荷が低減された。
• 1次元回転探索のための最大スタービングアルゴリズムはO(M log M)時間で実行され、分枝限定フレームワーク内での高速かつ正確な回転推定を可能にした。
• ファサード、コートヤード、ツリーのデータセットにおいて、ICPやヒューリスティック手法よりも精度（回転誤差・並進誤差が低く）かつ実行時間が速かった。
• 全テストデータセットにおいて、並進方向で1cm未塔、回転方向で1度未塔の精度を達成し、重複率やノイズレベルの変動に対しても一貫した性能を示した。
• 部分的重複やノイズに対しても頑健であり、困難なスキャン条件下でも高いインライア数と最適なアライメントを維持した。