LiDAR点群レジストレーションのための強化されたソフトポイントレジストレーションネットワーク
A strengthened soft-point registration network for LiDAR point cloud registration
本論文では、ロボットの環境認識やその他のLiDARベースのアプリケーションの安全性を確保するために、複雑な環境下でのLiDAR点群の高速かつ正確なレジストレーションを実現する、強化されたソフトポイントレジストレーションネットワーク(SPRN)を提案する。既存の手法は特徴量マッチングとRANSACに依存しており、不完全な形状の部分的レジストレーションシナリオでの信頼性の低下や、RANSACの反復回数による時間増加の問題があった。SPRNは、クロスアテンションに基づくエンドツーエンドのネットワークであり、特徴量マッチングとRANSACを不要とする。まず、ソース点群とターゲット点群それぞれに対してk個のソフトポイントを独立に生成し、k個の点対点対応関係を得る。これらの対応関係から直接、剛体変換パラメータを推定する。ソフトポイントは、アテンション機構によって自動的に割り当てられた重みにより、ソースまたはターゲットクラウド内のすべてのスーパ点の加重集約によって得られる。アテンション機構は、不完全性による局所的な幾何学的構造の違いに影響されず、共有部分に焦点を当て、不整合な部分を除外することで、ソフトポイント対応関係の信頼性を向上させる。これにより、特徴量マッチングとRANSACのステップを回避し、実行時間を大幅に短縮する。3DMatch、3DLoMatch、KITTI、WHU-TLSの実際のデータセットでの実験により、本手法がレジストレーション精度を維持しながら、より高速な点群レジストレーションを実現することが示された。
- SPRNはクロスアテンションに基づくエンドツーエンドのネットワークで、特徴量マッチングとRANSACを不要とし、LiDAR点群レジストレーションの実行時間を大幅に短縮する手法を提案した
- 3DMatch, 3DLoMatch, KITTI, WHU-TLSの実データセットでの実験により、レジストレーション精度を維持しながらより高速な点群レジストレーションを実現することを示した
本論文はロボットの環境認識に不可欠なLiDAR点群レジストレーションの高速化・高精度化を実現する技術であり、自動運転やサービスロボットなど実世界ナビゲーションの基盤技術となる。RANSACや特徴量マッチングを不要とするエンドツーエンドのニューラルネットワーク設計により実行時間が大幅に短縮され、実用化へのハードルを下げる点で投資価値がある。ただし、現時点では研究発表段階であり、商用化や特定企業への実装は確認できない。