Open Source Robotics

高品質なオープンソースロボティクスプロジェクト、ツール、ソフトウェアの厳選コレクション。

Scan Matching

  • 別名: scan registration, point cloud registration
  • カテゴリ: State estimation & navigation › Localisation
  • タグ: lidar, localization, slam, point-clouds, registration

距離スキャンを別のスキャンやマップに合わせる剛体変換を推定すること。LiDAR オドメトリ、自己位置推定、SLAM で、生の距離データを姿勢推定に変えるために使われる。

定義

スキャンマッチング(Scan matching)は、LiDAR、ソナー、深度センサーから得た新しい距離スキャンについて、それを参照、すなわち直前のスキャン、直近のローカルマップ、あるいはグローバルマップに最もよく合わせる回転と並進を求める。得られた変換は、センサーがどのように動いたか、あるいはどこにいるかの計測となる。これは LiDAR オドメトリ、車輪型ロボットのマップベースの自己位置推定、そして多くの LiDAR SLAM システムのフロントエンドを支える中核的な処理である。スキャン対スキャン(scan-to-scan)のマッチングは単純だがドリフトがすぐに蓄積する。スキャン対マップ(scan-to-map)のマッチングは新しいスキャンを蓄積されたマップに合わせるため、ドリフトが減り、個々の疎なスキャンに対して推定が敏感になりにくい。

手法にはいくつかの系統がある。反復最近点(ICP)とその point-to-plane 版や一般化版のような点ベースの手法は、対応点の探索と変換の求解を交互に行う。Biber と Straßer(2003)が導入した正規分布変換(NDT)は、参照を局所的なガウス分布の格子として表し、その下で新しいスキャンの尤度を最大化する。Olson(2009)が記述した相関スキャンマッチングは、確率グリッドに対して離散化した姿勢の集合を探索するため、初期推定が悪くても耐えられる。LOAM(Zhang と Singh、2014)によって広まった特徴ベースの手法は、エッジ点と平面点を抽出してマップ中の線や平面とマッチングし、計算量を減らす。グリッドベースの 2D マッチャは、Hector SLAM や Cartographer などのレーザ SLAM パッケージの中核でもある。

ほとんどのスキャンマッチャは局所的にしか収束せず、通常は IMU、ホイールオドメトリ、等速モデルから得る妥当な初期推定を必要とする。失敗する状況は予測可能である。長い廊下、トンネル、開けた野外のように形状がある方向をほとんど拘束しない場所、構造物のように見える移動物体、そして 1 回のスイープ中にセンサーが動くことで生じる運動歪みで、これは IMU データで点をデスキューして補正しなければならない。優れたシステムは各マッチングのヘッセ行列や共分散を調べて拘束の弱い方向を検出し、他のセンサーと融合する際にそれに応じて結果を重み付けする。

重要な理由

距離センサーは正確な形状を与えるが、姿勢を直接は与えない。スキャンマッチングはその形状を運動と位置の推定に変える方法であり、その精度と故障モードが LiDAR ベースのナビゲーションの性能をほぼ決める。

主な用途

  • LiDAR オドメトリと SLAM
  • 事前マップに対する倉庫ロボットやサービスロボットの自己位置推定
  • 離れたスキャン間のループクロージャ候補の検証
  • 3D マッピングと測量のためのスキャンの位置合わせ
  • 複数の LiDAR 間の外部パラメータのキャリブレーション

実際の使われ方

回転式 3D LiDAR を搭載した地上ロボットでは、各スイープをまず IMU が計測した回転でデスキューし、その後エッジと平面の特徴点を抽出する。IMU で予測した姿勢を出発点に、現在のキーフレームの特徴を過去のキーフレームから構築した特徴マップとマッチングし、求めた変換を LiDAR オドメトリのファクターとして推定器に入れる。LVI-SAM のような LiDAR・視覚・慣性システムと同様である。長く特徴の乏しい廊下では、マッチングによる廊下の軸方向の運動の拘束が弱くなるため、チームはマッチングのヘッセ行列の固有値を確認し、形状が改善するまではその方向を IMU と視覚の計測に担わせる。

よくある誤解

  • スキャンマッチングと ICP は同じものである — ICP は複数あるスキャンマッチングのアルゴリズムの 1 つにすぎず、ほかに NDT、相関ベース、特徴ベースの手法がある
  • 良いスキャンマッチャは初期推定なしで動く — ほとんどの手法は局所的にしか収束せず、オドメトリや IMU からの事前の姿勢を必要とする
  • スキャンマッチングはすべての方向を等しく拘束する — 廊下、トンネル、開けた場所では、形状によってある方向がほとんど拘束されないことがある

知っておくべき人

  • LiDAR SLAM と自己位置推定のエンジニア
  • 移動ロボットのナビゲーション開発者
  • 自動運転車の知覚チーム
  • 測量とマッピングのエンジニア

関連技術

  • 正規分布変換(Normal Distributions Transform、NDT)
  • Generalized ICP
  • LOAM
  • Cartographer
  • Point Cloud Library(PCL)
  • KISS-ICP

関連用語

  • Iterative Closest Point
  • LiDAR Odometry
  • LIDAR
  • Point Cloud
  • Loop Closure
  • SLAM

関連プロジェクト

  • LingBot-Map: Streaming 3D reconstruction from one camera: pose and depth for every frame, live
  • oomwoo: Open-source DIY robot vacuum: 3D-printed, ROS2 + 2D LiDAR, fully local.
  • PCL: Industry-standard C++ library for point cloud processing in robotics perception
  • Cartographer: Google's real-time 2D and 3D SLAM system for multi-platform robotics
  • Nav2: ROS 2 navigation stack with path planning and obstacle avoidance for mobile robots
  • FAST-LIVO2: Fast, direct LiDAR-inertial-visual odometry from HKU-MARS, published in IEEE T-RO

動画

  • SLAM Course - 12 - Scan-Matching in 5 Min - Cyrill Stachniss: Cyrill Stachniss

このウェブサイトにはJavaScriptが必要です。オープンソースロボティクスプロジェクトを閲覧するにはJavaScriptを有効にしてください。