[論文レビュー] Structured Global Registration of RGB-D Scans in Indoor Environments.

Maciej Halber, Thomas Funkhouser|arXiv (Cornell University)|Jul 28, 2016

Robotics and Sensor-Based Localization参考文献 43被引用数 19

ひとこと要約

この論文では、大規模な屋内環境におけるRGB-Dスキャンのための細分化から大規模なグローバル登錻法を提案する。平面面の検出から得られる構造的制約を統合することで、精度と耐障害性を向上させる。登錻中に複数のフレーム間の平面間の幾何的関係を強制することで、ループクロージャーに依存せずに優れたアライメントを達成し、新規に作成されたSUN3Dベンチマークで先行手法を上回る性能を発揮する。

ABSTRACT

RGB-D scanning of indoor environments (offices, homes, museums, etc.) is important for a variety of applications, including on-line real estate, virtual tourism, and virtual reality. To support these applications, we must register the RGB-D images acquired with an untracked, hand-held camera into a globally consistent and accurate 3D model. Current methods work effectively for small environments with trackable features, but often fail to reproduce large-scale structures (e.g., straight walls along corridors) or long-range relationships (e.g., parallel opposing walls in an office). In this paper, we investigate the idea of integrating a structural model into the global registration process. We introduce a fine-to-coarse algorithm that detects planar structures spanning multiple RGB-D frames and establishes geometric constraints between them as they become aligned. Detection and enforcement of these structural constraints in the inner loop of a global registration algorithm guides the solution towards more accurate global registrations, even without detecting loop closures. During experiments with a newly created benchmark for the SUN3D dataset, we find that this approach produces registration results with greater accuracy and better robustness than previous alternatives.

研究の動機と目的

• 従来の手法が構造的一致性を保てない大規模な屋内環境におけるRGB-Dスキャンのグローバル登錻の不正確さを是正すること。
• 検出された平面構造からの幾何的事前知識を組み込むことで、長時間のシーケンスにおけるドリフトと不整合を低減すること。
• 明示的なループクロージャー検出を必要とせず、グローバル整合性を向上させる手法を開発すること。
• 大規模な屋内RGB-D登錻を想定した新しいベンチマークデータセット上で性能を評価すること。

提案手法

• 細分化から大規模なアルゴリズムにより、深度データの幾何的解析を用いて複数のRGB-Dフレームにまたがる平面構造を検出する。
• 検出された平面間の幾何的制約（平行性や同一平面性など）を、グローバル登錻プロセス中に確立および強制する。
• これらの構造的制約をグローバル登錻アルゴリズムの内部ループに統合し、より正確な解へのアライメントをガイドする。
• 平面検出は反復的に行い、フレーム間でより多くの制約が追加されるにつれてアライメントが改善される。
• 2次的ICPベースのアライメントと構造的事前知識を統合するスパース最適化フレームワークを用いる。
• ループクロージャー検出は不要であり、平面関係の継続的強制によって構造的一致性が維持される。

実験結果

リサーチクエスチョン

• RQ1 検出された平面面からの構造的事前知識を統合することで、大規模な屋内環境におけるRGB-Dグローバル登錻の精度が向上するか？
• RQ2 ループクロージャー検出が存在しない状況で、本手法は最先端の手法と比較してどのように性能を発揮するか？
• RQ3 平面間の幾何的制約は、長時間のシーケンスにおけるグローバル整合性の向上とドリフト低減にどの程度寄与するか？
• RQ4 明示的なループクロージャーなしで、直線の壁や平行な通路といった大規模構造を安定して再構築できるか？

主な発見

• 本手法は、大規模な屋内シーンを想定した新規に作成されたSUN3Dベンチマークにおいて、先行手法よりも高い登錻精度を達成した。
• 長時間のシーケンスにおいても、特徴追跡に失敗しても構造的一致性を維持するという、優れた耐障害性を示した。
• 平面制約を強制することで、特に通路や広い開放空間においてドリフトと不整合が低減した。
• 特徴ベースの登錻に依存する代替手法よりも、繰り返しやテクスチャの欠片のない表面を有する環境で顕著な優位性を示した。
• ループクロージャー検出を必要とせず、平行な向かい合う壁やまっすぐな通路といったグローバルな幾何形状の保存が著しく向上した。
• ベンチマーク上の定量的評価では、登錻誤差指標に顕著な改善が見られ、構造的制約の有効性が裏付けられた。