[論文レビュー] KISS-ICP: In Defense of Point-to-Point ICP -- Simple, Accurate, and Robust Registration If Done the Right Way

Ignacio Vizzo, Tiziano Guadagnino+4 more|arXiv (Cornell University)|Sep 30, 2022

Robotics and Sensor-Based Localization被引用数 7

ひとこと要約

本論文では、適応的しきい値、ロバストカーネル、モーショングローブ補正、点群のダウンサンプリングを組み合わせた点対点ICPに基づく、シンプルでありながら非常に効果的なLiDARオドメトリーシステム、KISS-ICPを提案する。同じパラメータを用いてIMUやセンサ固有のチューニングなしに、自動車、ドローン、セグウェイ、ハンドヘルドLiDARを含む多様なプラットフォームで最先端の性能を達成し、すべてのデータセットでセンサフレームレートを超えて高速に動作する。

ABSTRACT

Robust and accurate pose estimation of a robotic platform, so-called sensor-based odometry, is an essential part of many robotic applications. While many sensor odometry systems made progress by adding more complexity to the ego-motion estimation process, we move in the opposite direction. By removing a majority of parts and focusing on the core elements, we obtain a surprisingly effective system that is simple to realize and can operate under various environmental conditions using different LiDAR sensors. Our odometry estimation approach relies on point-to-point ICP combined with adaptive thresholding for correspondence matching, a robust kernel, a simple but widely applicable motion compensation approach, and a point cloud subsampling strategy. This yields a system with only a few parameters that in most cases do not even have to be tuned to a specific LiDAR sensor. Our system using the same parameters performs on par with state-of-the-art methods under various operating conditions using different platforms: automotive platforms, UAV-based operation, vehicles like segways, or handheld LiDARs. We do not require integrating IMU information and solely rely on 3D point cloud data obtained from a wide range of 3D LiDAR sensors, thus, enabling a broad spectrum of different applications and operating conditions. Our open-source system operates faster than the sensor frame rate in all presented datasets and is designed for real-world scenarios.

研究の動機と目的

• パラメータチューニングなしに多様なセンサ、運動プロファイル、環境で動作する汎用的で即時利用可能なLiDARオドメトリーシステムの不足に対処すること。
• LiDARオドメトリ―分野における複雑化の傾向に挑戦し、適切に設定された古典的点対点ICPが依然として極めて有効であることを示すこと。
• IMUやホイールオドメトリ―に依存せず、さまざまなLiDARセンサからの3次元点群のみに依存して、安定して動作するシステムを開発すること。
• 高動的車両、ドローン、ハンドヘルドデバイスを含む多様なロボットプラットフォームで、高精度かつリアルタイム性能を達成すること。
• シンプルさと的確な工学的選択の組み合わせが、複雑な最先端手法に匹敵またはそれを上回る性能を発揮できることを示し、LiDARオドメトリ―の新たなベースラインを確立すること。

提案手法

• 特徴抽出や学習ベースの手法を避けて、コア登錦アルゴリズムとして点対点ICPを採用する。
• ロボットの運動プロファイルに応じて動的に調整される適応的しきい値を用いてデータ関連付けを実施し、データセットごとの固定しきい値の必要性を排除する。
• 対応マッチングにおける外れ値の影響を低減するために、ロバストカーネル（例：カウチ）を採用する。
• 一定速度運動モデルを用いてモーション補正（デスクェィング）を実装し、スキャン取得中のモーションドレインを補正する。
• 計算負荷を低減しつつ幾何的忠実度を保持するため、点群の空間的ダウンサンプリングを実施する。
• ほとんどのパラメータがすべてのデータセットおよびプラットフォームで固定されており、少数のパラメータでの最適化を実現する。

実験結果

リサーチクエスチョン

• RQ1 固定パラメータで、多様なロボットプラットフォームやセンサタイプで最先端の性能を達成できるシンプルな点対点ICPベースのオドメトリーシステムは実現可能か？
• RQ2 固定しきい値と比較して、異なる運動プロファイルにわたるロバスト性と一般化性能が、データ関連付けに適応的しきい値を用いることで向上するか？
• RQ3 IMUやホイールオドメトリ―に依存せず、単純な一定速度モデルを用いてモーション歪みを効果的に補正できるか？
• RQ4 実世界のシナリオにおいて、最小限の学習ベースでないICPシステムの性能は、複雑で手動チューニングされたSLAMシステムと比べてどの程度か？
• RQ5 非常に異なる点群密度、スキャンパターン、運動ダイナミクスを有するデータセット間で、同一のパラメータ設定がどの程度通用するか？

主な発見

• KISS-ICPはKITTIデータセット（シーケンス00–10）で相対的並進誤差0.50%を達成し、固定しきい値ICPを上回り、MULLS や IMLS-SLAM といったより複雑なシステムと同等またはそれを上回る性能を示した。
• 適応的しきい値戦略はKITTIシーケンス全体で最良の平均性能を達成し、固定しきい値（例：シーケンス04で0.36% vs. 固定1.0mしきい値で0.39%）を上回った。
• 一定速度モデルによるモーション補正により、並進誤差はデスクェイングなしの0.91%から0.49%に低下し、IMUに依存せず有効であることが示された。
• すべてのデータセットで38–51 Hzの速度で動作し、すべてのケースでセンサフレームレートを超えており、リアルタイム実行可能性が裏付けられた。
• ロバストカーネルを導入しない場合でも、並進誤差は0.67%を示したが、カーネルを導入することで性能が著しく向上し、外れ値耐性の重要性が浮き彫りになった。
• 自動車、UAV、セグウェイ、ハンドヘルドLiDARのデータセットすべてで同一のパラメータセットが有効であり、センサタイプ、運動プロファイル、環境条件にわたる一般化が実証された。