[논문 리뷰] LiDAR Point--to--point Correspondences for Rigorous Registration of Kinematic Scanning in Dynamic Networks

Aurélien Brun, Davide A. Cucci외 1명|arXiv (Cornell University)|2022. 01. 03.

3D Surveying and Cultural Heritage인용 수 5

한 줄 요약

이 논문은 3D 점 간 대응 관계를 활용하여 운동 스캔 중 LiDAR 포인트 클라우드 정렬을 향상시키기 위해 고정밀 동적 네트워크 기반 방법을 제안한다. 이 방법은 원시 GNSS 및 관성 측정치를 동시에 조정함으로써 지오레퍼런싱 오차를 크게 감소시키며, 자세 노이즈와 GNSS 신호 단절에 특히 효과적이다. 센서 수준에서 오차를 모델링함으로써, 대응 관계가 단 1%일 때조차도 거의 최적의 정확도를 달성한다.

ABSTRACT

With the objective of improving the registration of LiDAR point clouds produced by kinematic scanning systems, we propose a novel trajectory adjustment procedure that leverages on the automated extraction of selected reliable 3D point--to--point correspondences between overlapping point clouds and their joint integration (adjustment) together with all raw inertial and GNSS observations. This is performed in a tightly coupled fashion using a Dynamic Network approach that results in an optimally compensated trajectory through modeling of errors at the sensor, rather than the trajectory, level. The 3D correspondences are formulated as static conditions within this network and the registered point cloud is generated with higher accuracy utilizing the corrected trajectory and possibly other parameters determined within the adjustment. We first describe the method for selecting correspondences and how they are inserted into the Dynamic Network as new observation models. We then describe the experiments conducted to evaluate the performance of the proposed framework in practical airborne laser scanning scenarios with low-cost MEMS inertial sensors. In the conducted experiments, the method proposed to establish 3D correspondences is effective in determining point--to--point matches across a wide range of geometries such as trees, buildings and cars. Our results demonstrate that the method improves the point cloud registration accuracy, that is otherwise strongly affected by errors in the determined platform attitude or position (in nominal and emulated GNSS outage conditions), and possibly determine unknown boresight angles using only a fraction of the total number of 3D correspondences that are established.

연구 동기 및 목표

• 저가형 MEMS-IMU로 인한 자세 및 위치 오차와 GNSS 단절로 인해 발생하는 운동 스캔 중 LiDAR 포인트 클라우드 정렬의 정확도 저하 문제를 해결하기 위해.
• 원시 GNSS 및 관성 데이터와 함께 3D 점 간 대응 관계를 직접 통합하여 궤적 추정을 향상시키기 위해.
• 사전 校정된 부조정 각도에 대한 의존도를 줄이기 위해, 대응 관계를 활용하여 이를 조정 과정에서 추정할 수 있도록 하기 위해.
• GNSS 단절 및 제한된 대응 관계 밀도와 같은 다양한 조건 하에서 방법의 강인성과 효율성을 평가하기 위해.
• 대응 관계를 통한 센서 수준의 오차 모델링이 기존의 스트립 조정 또는 궤적 보정 방법보다 뛰어난 정렬 정확도를 제공하는지 입증하기 위해.

제안 방법

• 특징 기반 검출기 및 기술자와 함께 포화된 LiDAR 포인트 클라우드 간에 신뢰할 수 있는 3D 점 간 대응 관계를 추출하고, 기하학적 및 강도 기반 필터링을 수행한다.
• 이러한 대응 관계는 원시 GNSS 위치 및 관성 측정치(특정 힘 및 각속도)를 동시에 조정하는 동적 네트워크 내에서 정적 조건로 모델링된다.
• 반복 비선형 최소 제곱 최적화를 통해 조정이 수행되며, 대응 관계를 추가 관측치로 간주하여 궤적 및 센서 파rameter를 정밀화한다.
• 일치한 점들의 기하학적 일관성을 활용하여 플랫폼 궤적, 부조정 각도, 레버암 파rameter를 공동으로 추정할 수 있다.
• 대응 관계의 가중치는 평균 지상 샘플 거리(~0.15 m)의 역수로 설정되어, 다양한 지형 및 스캔 기하학에 대해 강인성을 확보한다.
• 이 방법은 타이트하게 결합된 방식으로 적용되어, 후처리 궤적 제품이 아닌 센서 측정치 수준에서 오차를 보정한다.

실험 결과

연구 질문

• RQ1 비행기에서 촬영한 다양한 도시 및 자연 지형 유형에서 3D 점 간 대응 관계를 신뢰성 있게 추출할 수 있는가?
• RQ2 GNSS 신호가 열악하거나 단절된 상황에서 대응 관계는 궤적 정확도를 얼마나 향상시키는가?
• RQ3 사전 校정이 없는 상황에서 이 방법이 알려지지 않은 부조정 각도를 얼마나 효과적으로 추정할 수 있는가?
• RQ4 포인트 클라우드 정렬 향상에 있어 필요한 최소한의 대응 관계 수는 얼마인가?
• RQ5 대응 관계를 통한 동적 네트워크 조정은 기존의 표준 스트립 조정 또는 궤적 기반 보정 방법보다 우수한가?

주요 결과

• 이 방법은 스캔 기하학이나 초기 궤적 품질에 관계없이 나무, 건물, 인프라 등 다양한 지형 유형에서 높은 수의 3D 점 간 대응 관계를 성공적으로 추출했다.
• 대응 관계 기반 조정은 GNSS 단절 구간에서 최대 30%의 지오레퍼런싱 오차 감소를 달성했으며, 단 한 개의 비행선에 영향을 받는 경우에도 효과적이었다.
• 전체 대응 관계의 1%만으로도 거의 최적의 정렬 정확도를 달성했으며, 0.1% 밀도에서도 성능 저하가 미미했다.
• 대응 관계의 포함으로 자세 오차로 인해 발생하는 '파도치는' 왜곡을 효과적으로 완화했으며, 이는 사전 校정된 시스템에서 주요 오차 원인이었다.
• 이 프레임워크는 알려지지 않은 부조정 각도를 정확하게 추정했으며, 자세 오차 패tern과 강한 상관관계를 가지므로 포인트 클라우드 정렬 잔차 오차가 낮게 유지되었다.
• 동적 네트워크 접근 방식은 센서 수준에서 모든 데이터를 하나의 엄밀한 최적화 단계에 통합함으로써, 연쇄적 조정 방법보다 우수한 성능을 보였다.