[論文レビュー] FilterReg: Robust and Efficient Probabilistic Point-Set Registration using Gaussian Filter and Twist Parameterization

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

Robotics and Sensor-Based Localization参考文献 43被引用数 6

ひとこと要約

FilterReg は、ガウスフィルタリングとねじりパrameterization を用いた高速で頑健な確率的点群登録手法を提案する。Eステップをフィルタリング問題に再定式化することで、GPU 並列処理を可能にし、最先端の性能を達成した。現代の ICP より 3–7 倍速く、GMM に基づく手法より桁違いに高速でありながら、ノイズ、外れ値、遮蔽がある状況下でも剛体、アーティキュレート、変形可能な物体に対して高い精度を維持する。

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.

研究の動機と目的

• 確率的点群登録手法の計算非効率性を解消すること。これらは ICP よりも頑健であるが、著しく遅い。
• ノイズ、外れ値、遮蔽がある状況下でも、大規模な点群に対して効率的でリアルタイムの登録を可能にすること。
• 最小限の計算オーバーヘッドで、アーティキュレートおよび変形可能な物体への確率的登録を一般化すること。
• 効率的なフィルタリングと新規パrameterization の組み合わせにより、頑健性と速度の両面で最先端の性能を達成すること。

提案手法

• 本手法は、EM アルゴリズムを用いて解く最大尤度推定問題として点群登録を定式化する。
• Eステップをガウスフィルタを用いたフィルタリング問題に再定式化し、高度なフィルタリング技術により効率的な計算を可能にする。
• フィルタリングステップの効率性を向上させつつ精度を保持するため、カスタマイズされたパーミュータヘドラルフィルタを導入する。
• ねじりパrameterization を提案し、アーティキュレートおよび変形可能なシステムにおける変換を効率的に表現する。この手法の計算複雑度は自由度（DOFs）にほぼ依存しない。
• GPU 並列処理をサポートしており、特に E ステップの高速化を実現し、リアルタイム性能を達成する。
• 観測点を確率的分布としてモデル化することで外れ値の処理を実現し、背景点を外れ値として扱う。

実験結果

リサーチクエスチョン

• RQ1 確率的点群登録手法は、ICP と同等の計算効率と高い頑健性を両立できるか？
• RQ2 EM に基づく登録における E ステップをフィルタリング問題に再定式化することで、より高速な計算が可能になるか？
• RQ3 ねじりパrameterization は、高自由度のアーティキュレートおよび変形可能な物体に対して効率的かつスケーラブルな登録を可能にするか？
• RQ4 本手法は、厳しい条件下での最先端の ICP や GMM に基づく手法と比べて、速度と精度でどのように優れているか？

主な発見

• CPU 上では、現代の ICP 実装よりも 3–7 倍速く、GPU 並列化されたバージョンでは CPU 版よりも 7 倍速い。
• 一般的な GMM に基づく確率的登録手法よりも桁違いに高速でありながら、同等の頑健性を維持している。
• 遮蔽や照明の変動がある 30 枚の RGBD 画像からなるデータセットにおいて、成功率は 29/30 に達し、特徴ベース ICP（25/30）を上回った。
• 20 自由度のアーティキュレートトラッキングでは、ねじりパrameterization により直接パラメータ化と比較して 10 倍の高速化が達成され、リアルタイム性能が実現された。
• 高速な運動を伴う動的再構築において、本手法は被験者の手を正しくトラッキングしたが、投影 ICP は失敗した。これにより、優れた頑健性が示された。
• GPU 上では、フィルタベースの E ステップが CPU 版よりも 8 倍高速であり、最適化された GPU ソルバ Opt [8] よりもねじりパrameterization は 20 倍速かった。