Scan Matching
- 又称: scan registration, point cloud registration
- 类别: State estimation & navigation › Localisation
- 标签: lidar, localization, slam, point-clouds, registration
估计使一帧距离扫描与另一帧扫描或地图对齐的刚体变换;用于激光雷达里程计、定位和 SLAM,把原始距离数据转化为位姿估计。
定义
扫描匹配(Scan matching)取来自激光雷达、声呐或深度传感器的一帧新距离扫描,求出使其与一个参考最佳对齐的旋转和平移;参考可以是上一帧扫描、一个近期的局部地图或一个全局地图。所得的变换是对传感器如何运动或位于何处的一次测量。它是激光雷达里程计、轮式机器人基于地图的定位以及大多数激光雷达 SLAM 系统前端背后的核心操作。帧间(scan-to-scan)匹配简单,但漂移累积很快;扫描到地图(scan-to-map)匹配把每帧新扫描与一个累积的地图对齐,这能减小漂移,并使估计对稀疏的单帧扫描不那么敏感。
方法有几大类。基于点的方法,例如迭代最近点(ICP)及其点到平面和广义变体,在寻找对应关系和求解变换之间交替进行。由 Biber 和 Straßer(2003)提出的正态分布变换(NDT)把参考表示为局部高斯分布的网格,并在这些分布下最大化新扫描的似然。Olson(2009)描述的相关性扫描匹配在一个概率栅格上对离散化的位姿集合进行搜索,能够容忍较差的初值。由 LOAM(Zhang 和 Singh,2014)推广开来的基于特征的方法提取边缘点和平面点,并把它们与地图中的线和面进行匹配,从而减少计算量。基于栅格的 2D 匹配器也是 Hector SLAM 和 Cartographer 等激光 SLAM 软件包的核心。
大多数扫描匹配器只能局部收敛,需要一个合理的初值,通常来自 IMU、轮式里程计或匀速模型。它们会在可预见的情形下失效:长走廊、隧道和开阔场地,这些地方的几何结构对某些方向约束很弱;看起来像结构的运动物体;以及传感器在单次扫描期间运动造成的运动畸变,这必须借助 IMU 数据对点进行去畸变来校正。好的系统会检查每次匹配的 Hessian 矩阵或协方差,以发现约束较弱的方向,并在与其他传感器融合时相应地对结果加权。
为何重要
距离传感器提供精确的几何信息,却不直接给出位姿。扫描匹配正是把这些几何信息转化为运动和位置估计的方式,因此它的精度和失效模式在很大程度上决定了基于激光雷达的导航性能。
主要应用
- 激光雷达里程计与 SLAM
- 仓储和服务机器人相对于先验地图的定位
- 验证相距较远的扫描之间的回环候选
- 为 3D 建图和测绘对齐扫描
- 多台激光雷达之间的外参标定
实际应用
在一台装有旋转式 3D 激光雷达的地面机器人上,每次扫描先利用 IMU 测得的旋转进行去畸变,然后提取边缘特征点和平面特征点。从 IMU 预测的位姿出发,把当前关键帧的特征与由过往关键帧构建的特征地图进行匹配,求得的变换作为一个激光雷达里程计因子进入估计器,正如 LVI-SAM 等激光雷达-视觉-惯性系统中那样。在一条又长又缺乏特征的走廊里,匹配对沿走廊轴线方向的运动约束很弱,因此团队检查匹配 Hessian 矩阵的特征值,在几何条件改善之前,由 IMU 和视觉测量来承担这个方向的估计。
常见误解
- 扫描匹配和 ICP 是一回事 — ICP 只是几种扫描匹配算法之一,此外还有 NDT、相关性方法和基于特征的方法
- 好的扫描匹配器不需要初值 — 大多数方法只能局部收敛,需要来自里程计或 IMU 的先验位姿
- 扫描匹配对所有方向的约束都相同 — 在走廊、隧道和开阔区域,几何结构可能使某些方向几乎不受约束
谁需要了解
- 激光雷达 SLAM 和定位工程师
- 移动机器人导航开发者
- 自动驾驶车辆感知团队
- 测绘与建图工程师
相关技术
- 正态分布变换(Normal Distributions Transform,NDT)
- Generalized ICP
- LOAM
- Cartographer
- 点云库(Point Cloud Library,PCL)
- KISS-ICP
相关术语
相关项目
- 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
视频
- SLAM Course - 12 - Scan-Matching in 5 Min - Cyrill Stachniss: Cyrill Stachniss