[논문 리뷰] FilterReg: Robust and Efficient Probabilistic Point-Set Registration using Gaussian Filter and Twist Parameterization

Wei Gao, Russ Tedrake|arXiv (Cornell University)|2018. 11. 26.

Robotics and Sensor-Based Localization참고 문헌 43인용 수 6

한 줄 요약

FilterReg는 가우시안 필터링과 터닝 파arameterization을 사용하여 빠르고 강력한 확률적 포인트 세트 정렬 방법을 제안하며, E단계를 필터링 문제로 재구성하고 GPU 가속을 가능하게 하여 최신 기술 수준의 성능을 달성한다. 현대 ICP보다 3–7배 빠르며, GMM 기반 방법보다 수개의 주기 빠르며, 노이즈, 이방점, 부분적 가림이 있는 강성, 관절 구조, 비틀림 물체에서도 높은 정확도를 유지한다.

ABSTRACT

Probabilistic point-set registration methods have been gaining more attention for their robustness to noise, outliers and occlusions. However, these methods tend to be much slower than the popular iterative closest point (ICP) algorithms, which severely limits their usability. In this paper, we contribute a novel probabilistic registration method that achieves state-of-the-art robustness as well as substantially faster computational performance than modern ICP implementations. This is achieved using a rigorous yet computationally-efficient probabilistic formulation. Point-set registration is cast as a maximum likelihood estimation and solved using the EM algorithm. We show that with a simple augmentation, the E step can be formulated as a filtering problem, allowing us to leverage advances in efficient Gaussian filtering methods. We also propose a customized permutohedral filter for improved efficiency while retaining sufficient accuracy for our task. Additionally, we present a simple and efficient twist parameterization that generalizes our method to the registration of articulated and deformable objects. For articulated objects, the complexity of our method is almost independent of the Degrees Of Freedom (DOFs), which makes it highly efficient even for high DOF systems. The results demonstrate the proposed method consistently outperforms many competitive baselines on a variety of registration tasks.

연구 동기 및 목표

• 확률적 포인트 세트 정렬 방법의 계산 비효율성 문제를 해결하기 위해, ICP보다 더 강력하지만 훨씬 느린 방법들에 대비하여 개선을 도모한다.
• 노이즈, 이방점, 가림 조건 하에서도 대규모 포인트 클라우드에 대한 효율적이고 실시간 정렬을 가능하게 한다.
• 최소한의 계산 오버헤드로 관절 구조 및 비틀림 물체에 대한 확률적 정렬을 일반화한다.
• 효율적 필터링과 새로운 파arameterization을 조합하여 강성과 속도 면에서 최신 기술 수준의 성능을 달성한다.

제안 방법

• 이 방법은 포인트 세트 정렬을 EM 알고리즘을 통해 해결하는 최대우도 추정 문제로 재구성한다.
• E단계를 가우시안 필터를 사용하여 필터링 문제로 재구성함으로써 고급 필터링 기법을 활용한 효율적 계산을 가능하게 한다.
• 필터링 단계의 효율성을 향상시키면서도 정확도를 유지하기 위해 맞춤형 퍼뮤토에라드 필터를 도입한다.
• 관절 구조 및 비틀림 시스템에서 변환을 효율적으로 표현하기 위해 터닝 파arameterization을 제안하며, 자유도(DOFs)에 거의 의존하지 않는 복잡도를 가진다.
• GPU 병렬 처리를 지원하여 특히 E단계를 가속화함으로써 실시간 성능을 달성한다.
• 관측 포인트를 확률적 분포로 모델링하고 배경 포인트를 이방점으로 간주함으로써 이방점 처리를 구현한다.

실험 결과

연구 질문

• RQ1 확률적 포인트 세트 정렬 방법이 ICP 수준의 계산 효율성과 동일한 높은 강성을 동시에 달성할 수 있는가?
• RQ2 EM 기반 정렬의 E단계를 필터링 문제로 재구성하여 더 빠른 계산을 가능하게 할 수 있는가?
• RQ3 터닝 파arameterization이 고자유도 관절 구조 및 비틀림 물체에 대해 효율적이고 확장 가능한 정렬을 가능하게 할 수 있는가?
• RQ4 어려운 조건 하에서 제안된 방법이 최신 기술 수준의 ICP 및 GMM 기반 방법과 비교해 속도와 정확도에서 어떻게 성능을 내는가?

주요 결과

• CPU에서 현대 ICP의 구현보다 3–7배 빠르며, GPU 병렬 처리 시 CPU 버전보다 7배 빠르다.
• 일반적인 GMM 기반 확률적 정렬 방법보다 수개의 주기 빠르며, 유사한 강성을 유지한다.
• 가림과 다양한 조명 조건이 있는 30장의 RGBD 이미지 데이터셋에서 성공률는 29/30로, 특징 기반 ICP(25/30)를 능가했다.
• 20개의 자유도를 가진 관절 추적에서, 터닝 파arameterization은 직접 파arameterization 대비 10배 빠른 성능을 달성하여 실시간 성능을 가능하게 했다.
• 빠른 운동이 있는 동적 재구성에서, 방법은 연기자의 손을 정확히 추적한 반면, 투영 기반 ICP는 실패했으며, 이는 훨씬 뛰어난 강성을 입증했다.
• GPU에서 필터 기반 E단계는 CPU 버전 대비 8배 빠르게 작동했으며, 최적화된 GPU 솔버 Opt [8]보다 터닝 파arameterization이 20배 더 빠르게 작동했다.