[论文解读] Low-cost and Faster Tracking Systems Using Core-sets for Pose-Estimation.

Soliman Nasser, Ibrahim Jubran+1 more|arXiv (Cornell University)|Nov 30, 2015

Robotics and Sensor-Based Localization参考文献 43被引用 9

一句话总结

本文提出一种基于核心集（core-set）的方法，通过将 n 个标记减少为一个大小恒定的加权子集来加速低成本跟踪系统中的位姿估计，从而保持最优对齐。利用 Carathéodory 定理，该方法在 O(n) 时间内计算核心集，使资源受限设备（如配备网络摄像头的 20 美元四旋翼飞行器）能够实现实时跟踪。核心集计算由云端完成，而本地则使用核心集实现快速、精确的位姿估计。

ABSTRACT

How can a \$20 toy quadcopter hover using a weak Internet of Things mini-board and a web-cam? In the pose-estimation problem we need to rotate a set of $n$ marker (points) and choose one of their n! permutations, so that the sum of squared corresponding distances to another ordered set of $n$ markers is minimized. A popular heuristic for this problem is ICP. We prove that \emph{every} set has a weighted subset (core-set) of constant size (independent of $n$), such that computing the optimal orientation of the small core-set would yield \emph{exactly} the same result as using the full set of $n$ markers. A deterministic algorithm for computing this core-set in $O(n)$ time is provided, using the Caratheodory Theorem from computational geometry. We developed a system that enables low-cost and real-time tracking by computing this core-set on the cloud in one thread, and uses the last computed core-set locally in a parallel thread. Our experimental results show how these core-sets can boost the tracking time and quality for large and even small sets of both IR and RGB markers on a toy quadcopter. Open source code for the system and algorithm is provided

研究动机与目标

• 在资源受限的物联网设备（如玩具四旋翼飞行器）上实现实时、低成本的位姿估计。
• 通过最小化标记数量而不损失精度，降低基于 ICP 的位姿估计问题的计算开销。
• 开发一种确定性算法，计算出大小恒定（与 n 无关）的核心集，仅使用少量标记即可实现最优对齐。
• 设计一种系统架构，将核心集计算（云端）与本地跟踪（设备）分离，实现并行且高效的运行。

提出的方法

• 该方法利用计算几何中的 Carathéodory 定理，证明了存在一个大小恒定（与 n 无关）的核心集，可保持 ICP 中最优旋转的性质。
• 通过一种确定性 O(n) 算法，选择一组加权标记，精确复现完整标记集的最优解。
• 系统采用双线程架构：一个线程在云端计算核心集，另一个线程使用最近一次计算的核心集在本地实现实时位姿跟踪。
• 核心集在云端定期更新并传输至本地设备，确保跟踪精度的同时最小化本地计算量。
• 该方法支持红外（IR）和 RGB 标记，展示了在不同标记类型下的鲁棒性。

实验结果

研究问题

• RQ1 对于任意 n 个标记的集合，是否可以计算出一个大小恒定的核心集，使其在基于 ICP 的位姿估计中产生与完整集合相同的最优旋转？
• RQ2 是否可以利用 Carathéodory 等几何定理，在 O(n) 时间内计算出此类核心集？
• RQ3 在低成本硬件上的实时系统中，使用核心集如何提升跟踪速度与精度？
• RQ4 核心集方法是否能有效在云与本地设备之间并行化，以保持低延迟？

主要发现

• 每个 n 个标记的集合都存在一个大小恒定（与 n 无关）的核心集，其产生的最优旋转与完整集合完全相同，该结论由 Carathéodory 定理证明。
• 核心集可被确定性地在 O(n) 时间内计算，为实时系统提供了高效的预处理能力。
• 通过将标记处理减少为一个大小固定的小型子集，系统在不损失精度的前提下显著提升了跟踪速度。
• 实验结果表明，该核心集方法在 20 美元四旋翼飞行器平台上对红外（IR）和 RGB 标记均表现出更优的跟踪性能。
• 云-本地并行化架构通过将核心集计算卸载至云端，同时在设备端保持高精度，实现了低延迟的跟踪。