[논문 리뷰] A Fast Method For Computing Principal Curvatures From Range Images

Andrew Spek, Wai Ho Li외 1명|arXiv (Cornell University)|2017. 07. 03.

Robotics and Sensor-Based Localization참고 문헌 6인용 수 3

한 줄 요약

이 논문은 반복적인 포물형 이차곡면 패치 피팅을 통해 노이즈가 있는 범위 이미지에서 정확한 메트릭 주 곡률을 실시간으로 계산하는 GPU 가속 방법을 제안한다. 기존의 이중 미분에 의존하는 방법이 노이즈를 증폭시키는 데 반해, 본 방법은 국소 점군에 직접 이차곡면을 피팅함으로써 노이즈가 많은 저가형 RGB-D 데이터(예: Microsoft Kinect)에서도 뛰어난 곡률 추정 성능을 달성하며, 프레임 레이트 성능과 노이즈에 대한 개선된 강인성을 확보한다.

ABSTRACT

Estimation of surface curvature from range data is important for a range of tasks in computer vision and robotics, object segmentation, object recognition and robotic grasping estimation. This work presents a fast method of robustly computing accurate metric principal curvature values from noisy point clouds which was implemented on GPU. In contrast to existing readily available solutions which first differentiate the surface to estimate surface normals and then differentiate these to obtain curvature, amplifying noise, our method iteratively fits parabolic quadric surface patches to the data. Additionally previous methods with a similar formulation use less robust techniques less applicable to a high noise sensor. We demonstrate that our method is fast and provides better curvature estimates than existing techniques. In particular we compare our method to several alternatives to demonstrate the improvement.

연구 동기 및 목표

• 저가형 RGB-D 센서(예: Microsoft Kinect)에서 생성되는 노이즈가 많은 실제 범위 데이터로부터 정확한 주 곡률 추정 문제를 해결하기 위해.
• 표면 법선의 미분에 의존하는 전통적인 이중 미분 방법에서 내재된 노이즈 증폭 문제를 극복하기 위해.
• 로봇 공학 및 컴퓨터 비전 응용 분야에서 시점 불변 기하 특징이 필요한 실시간 곡률 추정 시스템을 개발하기 위해.
• 다양한 시점에서 곡률 기반 물체 대응 추정의 정확성과 일관성을 향상시키기 위해.
• 밀도 있는 점군에서 고성능 곡률 계산을 위한 강인하고 오픈소스 GPU 구현을 제공하기 위해.

제안 방법

• 최소 제곱 최적화를 사용하여 국소 3D 점군 패치에 포물형 이차곡면을 반복적으로 피팅함으로써 주 곡률를 직접 추정한다.
• 곡률 추정을 직접 기하 피팅 문제로 모델링함으로써 표면 법선의 미분을 회피함으로써 노이즈 증폭을 감소시킨다.
• 밀도 있는 RGB-D 데이터에서 실시간 처리를 가능하게 하기 위해 GPU에 알고리즘을 구현한다.
• 국소 표면 피팅을 위해 37×37의 패치 크기를 사용하며, 성능 유지의 목적으로 희소 샘플링을 적용한다.
• 계산된 이차곡면에서 유도된 헤시안 행렬의 고유값을 기반으로 메트릭 주 곡률 값을 제공한다.
• 실제 및 시뮬레이션 데이터셋을 사용하여 PCL의 PCA 기반 곡률 추정 및 기타 기준 기법과의 비교를 수행한다.

실험 결과

연구 질문

• RQ1 노이즈가 많은 범위 이미지에서 주 곡률를 추정할 때, 직접적인 이차곡면 피팅 접근 방식이 기존의 이중 미분 방법을 능가할 수 있는가?
• RQ2 실제 RGB-D 스캔에서 PCL의 PCA 기반 곡률 추정과 비교해 볼 때, 제안된 방법의 정확성과 강인성은 어떠한가?
• RQ3 다양한 시점에서 곡률 추정이 일관성 있게 유지되는 정도는 어떠한가? 이는 신뢰할 수 있는 대응 추정을 가능하게 하는가?
• RQ4 소비자 수준 센서에서 얻은 밀도 있는 노이즈가 많은 범위 이미지에서 GPU 기반 실시간 성능를 달성할 수 있는가?
• RQ5 이 방법은 물체 분할 및 인식 작업에서 곡률의 분류 능력을 향상시키는가?

주요 결과

• 제안된 방법은 저가형 RGB-D 센서에서 유래한 노이즈가 많은 데이터에서 PCL의 PCA 기반 접근 방식보다 유의미하게 더 정확한 메트릭 곡률 추정을 달성한다.
• PCA 기반의 미분 방식에 비해 더 매끄럽고 신뢰할 수 있는 표면 법선 추정을 제공하여 노이즈 유도 잡음 효과를 감소시킨다.
• GPU에서 프레임 레이트로 실행되어 로봇 그립핑 및 장면 이해와 같은 동적 응용 분야에서 실시간 곡률 추정을 가능하게 한다.
• 제안된 방법을 사용한 곡률 기반 대응 추정은 다양한 시점에서 매우 높은 일관성을 보이며, 혼동 행렬을 통해 강력한 물체 특화 매칭을 확인할 수 있다.
• 반면 PCL의 방법은 노이즈 민감도로 인해 빈번히 배경이나 잘못된 물체에 점을 매칭하여 대응 일관성이 열악하다.
• 스트레스 볼과 같은 고곡률 물체나 유사 곡률 프로파일을 가진 물체(예: chocA 및 배드민턴 공)에서도 뛰어난 성능을 보이며, 이는 여전히 유사 곡률 특성으로 인해 도전 과제로 남아 있음에도 불구하고.