[論文レビュー] Sensor Alignment by Tracks

V. Karimäki, A. Heikkinen+2 more|arXiv (Cornell University)|Jun 4, 2003

Modular Robots and Swarm Intelligence被引用数 30

ひとこと要約

この論文では、高エネルギー物理学の検出器におけるピクセルおよびストリップセンサの幾何的整合性を、粒子の軌跡残差を用いて計算的に効率的な方法で微調整する手法を提示する。全軌跡のカイ二乗残差を最小化することで、各センサについて6自由度（3つの位置および3つの方向）を同時に解き、わずかな基準センサでもサブミクロンの精度を達成する。シミュレーテッド・ピクセル・バーテックス検出器で実証された。

ABSTRACT

Good geometrical calibration is essential in the use of high resolution detectors. The individual sensors in the detector have to be calibrated with an accuracy better than the intrinsic resolution, which typically is of the order of 10 um. We present an effective method to perform fine calibration of sensor positions in a detector assembly consisting of a large number of pixel and strip sensors. Up to six geometric parameters, three for location and three for orientation, can be computed for each sensor on a basis of particle trajectories traversing the detector system. The performance of the method is demonstrated with both simulated tracks and tracks reconstructed from experimental data. We also present a brief review of other alignment methods reported in the literature.

研究の動機と目的

• 多数の個々のセンサから構成される大規模検出器システムの高精度幾何的キャリブレーションのための、堅牢でスケーラブルな手法を開発すること。
• 光学的測量の限界を克服し、再構築された粒子軌跡を用いて、サブミクロンの精度でセンサの位置と向きを補正すること。
• 検出器のわずかな部分（例：1つのセンサ）しか基準として使えない状況でも、センサの整合性をとることを可能にすること。
• 本手法の性能を、シミュレーテッドおよび実験的データの両方で評価し、2層構造のピクセル・バーテックス検出器モデルを用いて検証すること。

提案手法

• 全座標系における軌跡フィッティングを用いて、測定されたヒットと予測された軌道との間の残差を計算し、これらの残差のカイ二乗を最小化する。
• 各センサの位置と向きは、3つの並進オフセット（Δu, Δv, Δw）と3つの局所軸周りの回転角（Δα, Δβ, Δγ）の6パラメータで補正される。
• グローバル座標系からローカル座標系への変換は、反復的に更新され、増分回転行列 ΔR = RγRβRα と移動量 Δr を用い、残差を最小化するように補正が加えられる。
• アルゴリズムは、軌跡フィッティングの線形化近似を用いた反復的更新を実行し、小規模な行列演算（最大6×6行列）により補正量を解く。
• 本手法は、ランダムにずれを導入した2層ピクセル・バーテックス検出器のシミュレーテッド・データに適用され、制約付きの軌跡フィッティングを用いて整合性を回復する。
• 収束は、反復回数ごとのパラメータの変化を追跡することで監視され、性能はフィットされたパラメータと真のずれ値との比較によって評価される。

実験結果

リサーチクエスチョン

• RQ1 軌跡に基づく整合性補正手法は、大規模検出器システムにおけるセンサの位置および向きのキャリブレーションでサブミクロンの精度を達成できるか？
• RQ2 他の検出器の整合性を補正する際に、1つのセンサしか基準として使えない場合、この手法はどの程度の性能を示すか？
• RQ3 現実的なずれ状態と統計的制限下で、アルゴリズムの収束特性と精度はどのように振る舞うか？
• RQ4 計算複雑性と耐障害性の観点から、他の整合性補正手法と比較して本手法はどのように差をつけるか？

主な発見

• 位置の整合性補正において、本アルゴリズムはサブミクロンの精度を達成しており、標準的な状況では並進パラメータの偏差が1 μm未満であることが確認された。
• 回転パラメータに関しては、1ミリラジアン未満の精度であり、高い角度分解能を示している。
• 「極端な」状況（基準センサが1つのみ、検出器面積の0.26％）でも、依然として妥当な精度が得られており、Δw（法線方向のずれ）の誤差はほとんどが10 μm未満であった。
• 「容易な」状況（基準カバレッジ60％）では収束が速く、数回の反復で完了するが、極端な状況では情報が限られるため、20～100回の反復を要した。
• フィットされたパラメータは真の値と強く相関しており、本手法の信頼性と安定性が、さまざまな整合性補正状況において確認された。
• 本手法は計算的に効率的であり、6×6行列演算のみに依存しており、数百個のセンサを含む検出器にもスケーラブルに適用可能である。