[논문 리뷰] Characterization of Multiple 3D LiDARs for Localization and Mapping using Normal Distributions Transform

Alexander Carballo, Abraham Monrroy외 7명|arXiv (Cornell University)|2020. 04. 03.

Robotics and Sensor-Based Localization참고 문헌 10인용 수 5

한 줄 요약

이 논문은 LIBRE 데이터셋에서 3D 맵핑과 6-DOF 정렬을 위한 노멀 분포 변환(Normal Distributions Transform, NDT) 알고리즘을 사용하여 10종의 3D LiDAR 센서를 평가한다. 모든 LiDAR가 기준 지도를 기반으로 정확한 정렬을 달성하는 것을 확인했지만, 성능은 상당히 다름: VLP-16는 빠른 수렴을 보였고, HDL-64S2와 VLS-128AP와 같은 다중빔 LiDAR는 복잡한 빔 구성과 환경 노이즈로 인해 더 많은 반복을 요구함. 이는 포인트 밀도, 스캔 해상도, NDT 알고리즘의 강인성 사이의 상충 관계를 드러냄.

ABSTRACT

In this work, we present a detailed comparison of ten different 3D LiDAR sensors, covering a range of manufacturers, models, and laser configurations, for the tasks of mapping and vehicle localization, using as common reference the Normal Distributions Transform (NDT) algorithm implemented in the self-driving open source platform Autoware. LiDAR data used in this study is a subset of our LiDAR Benchmarking and Reference (LIBRE) dataset, captured independently from each sensor, from a vehicle driven on public urban roads multiple times, at different times of the day. In this study, we analyze the performance and characteristics of each LiDAR for the tasks of (1) 3D mapping including an assessment map quality based on mean map entropy, and (2) 6-DOF localization using a ground truth reference map.

연구 동기 및 목표

• 실도로 도시 환경에서의 실제 조건 하에서 10종의 다양한 3D LiDAR 센서가 3D 맵핑 및 6-DOF 차량 정렬 작업에서의 성능을 평가하기 위해.
• 빔 수, 각도 해상도, 범위, 포인트 밀도 등의 LiDAR 특성이 NDT 기반 맵핑 및 정렬 정확도에 미치는 영향을 평가하기 위해.
• 공통의 오픈소스 프레임워크(Autoware)를 사용하여 NDT 수렴 및 맵 품질에 영향을 주는 센서 고유의 제약과 환경 의존성 식별하기 위해.
• 동적 교통, 환경 변화, 센서 고유의 노이즈가 맵 엔트로피와 정렬 안정성에 미치는 영향 분석하기 위해.
• 하드웨어 사양과 알고리즘 성능 사이의 상충 관계를 정량화하여 자율주행 차량 시스템의 센서 선택 기준을 제공하기 위해.

제안 방법

• 연구는 3D 맵핑 및 정렬에 모두 노멀 분포 변환(NDT) 알고리즘을 사용하였으며, 오픈소스 플랫폼인 Autoware에 구현됨.
• 기준 지도는 다수의 도시 주행 동안 수집된 고정밀도 MMS(모바일 맵핑 시스템) 데이터셋에서 생성됨.
• 정렬을 위해 LiDAR 포인트 클라우드는 2m의 바vox 크기와 200m의 최대 범위를 가진 바vox 그리드 필터를 사용해 다운샘플링됨.
• 맵 품질 평가에 평균 맵 엔트로피와 평면 분산 지표를 사용하여 구조적 일관성과 노이즈 평가함.
• 정렬 성능 평가에는 수렴까지 필요한 NDT 반복 수를 사용하였으며, 각 경로에 대해 초기 자세는 수동 설정됨.
• 이동하는 차량과 다양한 조도 조건과 같은 환경적 요인은 맵 아티팩트 및 정렬 변동성의 원인으로 분석됨.

실험 결과

연구 질문

• RQ1 빔 수, 각도 해상도, 범위, 포인트 밀도 등의 다양한 3D LiDAR 구성이 평균 맵 엔트로피로 측정된 NDT 기반 3D 맵 품질에 어떤 영향을 미치는가?
• RQ2 센서 고유의 빔 패턴과 스캔 전략이 NDT 정렬 수렴 속도와 안정성에 어떤 영향을 미치는가?
• RQ3 이동하는 차량과 조도 변화와 같은 동적 환경 조건이 맵 아티팩트로 나타나고 정렬 성능에 어떤 영향을 미치는가?
• RQ4 센서 고유의 정확도 사양과 노이즈 특성이 NDT 기반 정렬 결과에 어느 정도의 영향을 미치는가?
• RQ5 공통의 NDT 프레임워크는 다양한 LiDAR 하드웨어에서 차량 정렬을 신뢰성 있게 수행할 수 있는가? 주요 실패 유형은 무엇인가?

주요 결과

• VLP-16는 NDT 정렬에서 가장 빠른 수렴을 보였으며, 다른 센서들보다 반복 수가 적어 NDT 매칭에 유리한 빔 분포를 가짐.
• 빔 수가 많은 센서들, 예를 들어 VLS-128AP와 HDL-64S2는 수렴까지 상당히 많은 반복 수가 필요하여, 높은 밀도의 구조적 포인트 클라우드로 인한 NDT 매칭의 복잡성 증가를 시사함.
• 동적 물체로 인해 맵 품질이 악화되었으며, 필터링 후에도 이동하는 차량이 있는 영역에서 평균 맵 엔트로피와 평면 분산이 높게 관측됨.
• 모든 LiDAR에서 고도 드리프트 현상이 일관되게 관측되었으며, 자세 추정 오류와 빔 구성 영향으로 인한 것으로 보이며, 센서 고유의 정확도 오차는 아님.
• Route B는 기준 지도에 존재하지 않는 환경 변화로 인해 가장 높은 정렬 변동성을 보였으며, 이는 이동 장애물과 높은 차량 속도(최대 50 km/h) 때문임.
• 일관된 필터링에도 불구하고, 센서와 경로 간에 NDT 반복 수의 변동이 크게 나타나, 빔 구성과 환경적 맥락이 NDT 성능에 결정적인 요소임을 시사함.