[논문 리뷰] A fast, complete, point cloud based loop closure for LiDAR odometry and mapping

Jiarong Lin, Fu Zhang|arXiv (Cornell University)|2019. 09. 25.

Robotics and Sensor-Based Localization참고 문헌 25인용 수 45

한 줄 요약

이 논문은 LOAM을 위한 빠르고 회전 불변의 루프 클로저 방법을 제시한다. 이것은 키프레임 특징의 2D 히스토그램을 사용하여 루프를 탐지한 뒤 맵 정합 및 포즈 그래프 최적화를 수행하며, 모두 오픈 소스로 공개된다.

ABSTRACT

This paper presents a loop closure method to correct the long-term drift in LiDAR odometry and mapping (LOAM). Our proposed method computes the 2D histogram of keyframes, a local map patch, and uses the normalized cross-correlation of the 2D histograms as the similarity metric between the current keyframe and those in the map. We show that this method is fast, invariant to rotation, and produces reliable and accurate loop detection. The proposed method is implemented with careful engineering and integrated into the LOAM algorithm, forming a complete and practical system ready to use. To benefit the community by serving a benchmark for loop closure, the entire system is made open source on Github

연구 동기 및 목표

• LiDAR Odometry and Mapping (LOAM)의 장기 드리프트를 유발하는 원인을 동기부여하고 해결한다.
• LiDAR 데이터로 실시간 작동 가능한 빠르고 완전한 루프 클로저 파이프라인을 개발한다.
• 키프레임 특징의 2D 히스토그램을 기반으로 한 회전 불변의 강건한 루프 탐지 메커니즘을 제공한다.
• 맵 정합 및 포즈 그래프 최적화를 포함하는 LOAM에 루프 클로저를 통합한다.
• 시스템과 데이터셋을 오픈 소스로 공개하여 포인트 클라우드 기반 루프 클로저의 벤치마크로 삼는다.

제안 방법

• 회전된 방향 단위화된 특징 방향에서 파생된 두 개의 2D 히스토그램(평면 및 선 특징)으로 각 키프레임을 표현한다.
• 로컬 평면/선 공분산의 고유값 분해를 통해 셀 단위의 회전 불변 특징 방향을 계산하고, 평면 특징 방향으로부터 전체 회전 R을 도출한다.
• 정규화된 상관계수를 사용하여 새 키프레임 히스토그램을 히스토리 데이터베이스와 비교하고, 임계값(평면 0.90, 선 0.65)으로 잠재적 루프를 탐지한다.
• 에지-에지 특징과 면-면 특징을 이용해 새 키프레임 맵을 글로벌 맵에 정합시켜 루프를 정렬하고, 수용 여부를 거리 검사(<0.1 m)로 판단한다.
• 루프 클로저 후 CERES-solver를 사용한 포즈-그래프 최적화를 수행하고 맵의 모든 셀을 이에 따라 갱신한다.
• GitHub에서 데이터셋과 코드가 포함된 LOAM 확장판을 오픈 소스로 제공한다.

실험 결과

연구 질문

• RQ1 2D 히스토그램 기반의 키프레임 표현이 LiDAR 기반 SLAM의 빠르고 신뢰할 수 있는 루프 클로저를 달성할 수 있는가?
• RQ2 포인트 클라우드 루프 감지에 대해 회전 불변성이 달성 가능한가? 평면/선 특징 방향을 사용하여?
• RQ3 루프 탐지 후 LOAM 내에서 맵 정합 및 포즈 그래프 최적화가 드리프트를 얼마나 효과적으로 수정하는가?
• RQ4 제안된 루프 클로저 파이프라인의 데스크탑 및 온보드 플랫폼에서의 컴퓨트 성능은 어느 정도인가?
• RQ5 제안된 시스템이 대규모 야외 및 실내 LiDAR 데이터셋 전반에 일반화되는가?

주요 결과

• 루프 클로저 방법은 2D 히스토그램을 사용하여 키프레임을 비교하고, 평면은 0.90, 선은 0.65의 임계값으로 정규화된 상관계수를 통해 루프를 탐지한다.
• 시스템은 데스크탑 및 온보드 하드웨어에서 실시간 작동에 적합한 빠른 루프 탐지 및 맵 정합을 달성한다(타이밍 결과에 상세).
• 루프 클로저 이후의 포즈-그래프 최적화가 LOAM 맵의 장기 드리프트를 크게 감소시킨다.
• 루프 클로저 이후 포인트 클라우드 맵과 외부 참조(예: 구글 맵) 간의 정확한 정합을 보여준다.
• 이 방법은 GitHub에서 데이터셋과 코드가 제공되는 오픈 소스 LOAM 확장으로 구현되었다.
• 회전 불변성 평가에서 평면 특징은 회전하더라도 유사성을 유지하고, 선 특징은 회전 간에도 구별 가능하다는 것을 보인다.