[논문 리뷰] LiDAR point clouds correction acquired from a moving car based on CAN-bus data

Pierre Merriaux, Yohan Dupuis외 3명|arXiv (Cornell University)|2017. 06. 19.

Robotics and Sensor-Based Localization참고 문헌 7인용 수 16

한 줄 요약

이 논문은 자동차의 이동 중 LiDAR 포인트 클라우드 왜곡을 보정하기 위한 방법을 제안하며, 자동차 운행 추정을 위해 오직 CAN-bus 데이터만을 사용한다. 이는 정확한 3차원 지ap 재구성 가능하게 한다. 차량 운동을 2.5차원 이동과 회전으로 모델링함으로써 스캔 아티팩트(예: 중복된 물체)를 감소시키며, 정량적 결과로 옥트리 구조에서 점유된 공간이 1.5% 감소하고 지도의 밀도가 향상됨을 보여준다.

ABSTRACT

In this paper, we investigate the impact of different kind of car trajectories on LiDAR scans. In fact, LiDAR scanning speeds are considerably slower than car speeds introducing distortions. We propose a method to overcome this issue as well as new metrics based on CAN bus data. Our results suggest that the vehicle trajectory should be taken into account when building 3D large-scale maps from a LiDAR mounted on a moving vehicle.

연구 동기 및 목표

• 차량 운행 중 LiDAR 스캔이 3차원 포인트 클라우드에 기하학적 왜곡을 유도하는 방식을 조사한다.
• IMU나 추가 센서에 의존하지 않고 오직 CAN-bus 데이터만을 사용해 운동 추정을 위한 스캔 보정 방법을 개발한다.
• 스캔 왜곡이 대규모 3차원 지도 품질과 SLAM 성능에 미치는 영향을 평가한다.
• 보정 이후 지도의 밀도와 포인트 간 매칭 정확도 향상을 정량적으로 측정한다.

제안 방법

• 스캔 기간 $T_s$ 동안 차량 운동을 속도, 가속도, 요 속도 등의 CAN-bus 데이터를 사용해 추정한다.
• LiDAR의 궤적을 스캔 기간 동안의 2.5차원 운동(이동과 회전)으로 모델링한다.
• 각 레이저 빔이 방출된 시점의 LiDAR 자세를 보간하여 보정된 빔 위치를 산정한다.
• 보간된 자세를 기반으로 각 포인트에 기하학적 보정을 적용하여 차량 운동에 의한 왜곡을 최소화한다.
• 0.1m 크기의 세포를 사용하는 옥트리 데이터 구조를 활용해 점유된 공간을 측정하고 지도의 밀도를 평가한다.
• 실세계 스캔 데이터를 대상으로 ICP 매칭 거리와 옥트리 점유 수를 활용해 보정 성능을 평가한다.

실험 결과

연구 질문

• RQ1 실생활 주행 환경에서 선형 운동과 회전 운동이 LiDAR 스캔 왜곡에 어떤 영향을 미치는가?
• RQ2 오직 CAN-bus 데이터만으로 LiDAR 스캔 왜곡을 보정하는 데 충분한 운동 정보를 제공할 수 있는가?
• RQ3 스캔 보정이 원시 LiDAR 스캔에서 생성된 대규모 3차원 지도의 밀도와 품질에 어떤 영향을 미치는가?
• RQ4 보정 이후 ICP 매칭 성능과 지도의 정밀도에서 정량적인 향상은 어느 정도인가?

주요 결과

• 10 m/s(36 km/h)의 선형 운동은 스캔 시작과 끝 사이에 1.38m의 이동을 유도하여 심각한 기하학적 왜곡을 초래했다.
• 25°/s의 회전 운동은 50m 거리에서 2.19m의 간격을 유도하여 울타리와 같은 특징이 중복되는 현상이 발생했다.
• 선형 운동의 경우, 점유된 0.1m×0.1m 옥트리 세포 수가 원시 데이터의 1,918,170개에서 보정 후 1,894,744개로 감소하여 지도의 밀도 향상을 확인했다.
• 회전 운동의 경우, 점유된 세포 수가 원시 데이터의 654,488개에서 보정 후 639,094개로 감소하여 보정 후 재현성 감소를 확인했다.
• ICP 매칭 점수에는 미미한 차이가 있었지만, 원시 스캔은 명확히 중복되고 흐릿한 특징(예: 울타리, 나무)을 보였고, 보정된 스캔은 깔끔하고 정렬된 구조를 보였다.
• 보정된 스캔에서 재구성된 3차원 지도는 408m×275m×50m의 영역에서도 직선과 정렬된 기둥, 나무 등 뛰어난 시각적 품질을 보였다.