[论文解读] Practical optimal registration of terrestrial LiDAR scan pairs

Zhipeng Cai, Tat-Jun Chin+2 more|arXiv (Cornell University)|Nov 25, 2018

Robotics and Sensor-Based Localization参考文献 30被引用 5

一句话总结

本文提出了一种实用且最优的地面激光雷达扫描配准方法，通过利用4自由度约束（3D平移 + 由于内置水平校准引起的方位旋转）。该方法采用确定性对应关系约简，结合一种新颖的多项式时间1D旋转搜索的快速分支定界算法，在真实扫描数据上实现秒级精确最优配准，使精确优化在常规激光雷达测绘中成为可能。

ABSTRACT

Point cloud registration is a fundamental problem in 3D scanning. In this paper, we address the frequent special case of registering terrestrial LiDAR scans (or, more generally, levelled point clouds). Many current solutions still rely on the Iterative Closest Point (ICP) method or other heuristic procedures, which require good initializations to succeed and/or provide no guarantees of success. On the other hand, exact or optimal registration algorithms can compute the best possible solution without requiring initializations; however, they are currently too slow to be practical in realistic applications. Existing optimal approaches ignore the fact that in routine use the relative rotations between scans are constrained to the azimuth, via the built-in level compensation in LiDAR scanners. We propose a novel, optimal and computationally efficient registration method for this 4DOF scenario. Our approach operates on candidate 3D keypoint correspondences, and contains two main steps: (1) a deterministic selection scheme that significantly reduces the candidate correspondence set in a way that is guaranteed to preserve the optimal solution; and (2) a fast branch-and-bound (BnB) algorithm with a novel polynomial-time subroutine for 1D rotation search, that quickly finds the optimal alignment for the reduced set. We demonstrate the practicality of our method on realistic point clouds from multiple LiDAR surveys.

研究动机与目标

• 解决地面激光雷达扫描中最优配准（保证找到全局最优）与实用性（实际应用中过慢）之间的差距。
• 利用地面激光雷达扫描仪具有水平校准的物理约束，将6自由度配准问题简化为4自由度（3D平移 + 方位旋转）。
• 设计一种确定性对应关系选择方案，在显著减少候选对应关系的同时保留最优解。
• 设计一种快速分支定界算法，结合新颖的多项式时间子程序用于1D旋转搜索，以高效找到全局最优配准。
• 证明精确优化可被实际应用于真实世界的激光雷达测绘，克服ICP和启发式方法的局限性。

提出的方法

• 应用确定性筛选方案，过滤候选3D关键点对应关系，确保在减少后的集合中仍保留最优解。
• 将扫描间的相对旋转建模为1D方位旋转，利用地面激光雷达的水平补偿特性，降低自由度。
• 将1D旋转搜索建模为基于对应关系导出的角区间上的最大覆盖问题，可在O(M log M)时间内求解。
• 使用分支定界框架搜索剩余的4自由度解空间，其中1D旋转搜索子程序替代了昂贵的迭代优化。
• 采用基于阈值ε内内点数量的鲁棒目标函数，最大化内点对应关系的数量。
• 通过利用对应关系集合和几何约束推导出的紧致边界，提前剪枝次优分支，优化搜索过程。

实验结果

研究问题

• RQ1 能否通过利用物理约束，使精确最优配准在地面激光雷达扫描配对中变得实用？
• RQ2 在4自由度配准中，如何在不丢失最优解的前提下显著减少候选对应关系的数量？
• RQ3 能否在分支定界框架中用多项式时间子程序替代迭代方法，以加速最优配准？
• RQ4 与ICP和启发式方法相比，该方法在真实世界激光雷达数据上的运行时间和精度提升如何？
• RQ5 该方法是否能在复杂、噪声大或部分重叠的扫描中实现全局最优性，且无需初始值？

主要发现

• 所提方法在真实世界地面激光雷达扫描上实现精确最优配准的时间低于10秒，使精确优化在常规测绘中成为实用选择。
• 确定性对应关系约简步骤显著减少了候选集合，同时保留了全局最优解，大幅降低计算负载且无需近似。
• 用于1D旋转搜索的最大覆盖算法运行时间为O(M log M)，在分支定界框架内实现了快速且精确的旋转估计。
• 在Facade、Courtyard和Trees数据集上，该方法在准确度（更低的旋转和位移误差）和运行时间上均优于ICP和启发式方法。
• 在所有测试数据集中，该方法在平移上实现亚厘米级精度，在旋转上实现亚度级精度，且在不同重叠率和噪声水平下表现一致。
• 该方法对部分重叠和噪声具有鲁棒性，在挑战性扫描条件下仍能保持高内点数量和最优配准。