Active B-spline-based Features for efficient Localization and light-weight Mapping using 2D LIDAR

Abstract

기능 기반 현지화 및 매핑은 SLAM의 두 가지 개별 모듈을 최적화했습니다. 2D 레이저 스캔 데이터를 위해 특징 기반의 위치 파악과 매핑을 실현하는 세 가지 새로운 기여가 제안되었다. 첫째, 안정적인 관심 지점 탐지를위한 저수준 지점 특징 검출기. 명시적인 활성 B-스플라인 근사가 높은 곡률 점을 결정하기 위해 스캔의 모든 후보 점의 특정 인접 부에 적용됩니다. 센서 데이터로부터 특유의 포인트 피쳐를 추출하면 장소 인식을위한 서명을 계산할 수 있으므로 로봇 현지화 작업을 효율적으로 수행 할 수 있습니다. 작은 지점 집합 사이에 지점 간 연결이 가능하기 때문에 지점 기능은 더 작은 그룹으로 로컬로 매핑됩니다. 이 포인트 피처는 또한 환경에서 랜드 마크의 경량 맵핑을 나타냅니다. 둘째, 고급 B-스플라인 피쳐 추출을위한 접근법이 제시됩니다. 검출기에서 얻은 안정적인 관심 지점의 단서는 스캔 데이터에서 B-스플라인 피쳐 추출에 사용되며 스캔 데이터 포인트 대신 제어 포인트를 사용하여 환경의 구조 정보와 함께 가벼운 매핑을 가능하게합니다. 추출 된 고급 기능의 성능을 평가하는 벤치 마크 메트릭도 제안됩니다. 추출 된 특징의 검색 가능성, 간결성 및 정확성은 최첨단 방법론과 비교하여 측정됩니다. 표준 데이터 세트를 사용한 실험의 예외적 인 결과는 B-스플라인 피쳐 추출의 최첨단 방법론과 비교하여 제안 된 접근법의 효율성을 입증합니다. 마지막으로, B-스플라인 피처의 균일하게 분포 된 점의 형상 컨텍스트 표현에 기반한 관심 지점에 대한 로컬 설명자가 제시됩니다. 낮은 수준의 관심 지점에 대한 강력한 설명자는 효율적인 연관 및 일치 성을 제공합니다. 표준 데이터 세트를 사용한 실험에서 FALKO-BSC 및 FLIRT-β-Grid의 최신 기능과 일관된 결과는 제안 된 관심 지점 검출기의 안정성과 설명 자의 숙련도를 입증합니다. 제안 된 저레벨 관심 지점 검출기와 디스크립터를 사용하여 효율적인 전역 위치 파악 결과를 제시하여 성능을 보여줍니다.; The feature-based localization and mapping have optimized the two individual modules of SLAM. The three novel contributions in realizing the feature-based localization and mapping are proposed for the 2D laser scan data. First, a low-level point feature detector for stable interest point detection. An explicit active B-spline approximation is applied to a specific neighborhood of all candidate points in a scan to determine the high curvature points. The extraction of distinctive point features from the sensor data allows the computation of signatures for place recognition which in turn enable robot localization tasks efficiently. The point-to-point association is feasible between a small set of points therefore, point features are locally mapped into smaller groups. These point-features also represent a lightweight mapping of landmarks in the environment. Second, an approach for high-level B-splines features extraction is presented. The clues of stable interest points obtained from the detector are used in the B-splines features extraction from the scan data, which enables lightweight mapping with structural information of the environment using fewer control points instead of scan data points. The benchmark metrics to evaluate the performance of the extracted high-level features are also proposed. The retrievability, compactness, and accuracy of extracted features are measured in comparison with the state-of-the-art methodology. The exceptional results of the experimentation using standard datasets prove the efficiency of the proposed approach in comparison with the state-of-the-art methodology of B-splines features extraction. Finally, a local descriptor for the interest points based on the shape context representation of the uniformly distributed points on the B-splines features is presented. A robust descriptor for the low-level interest points offers an efficient association and correspondence matching. Consistent results compared with the state-of-the-art FALKO-BSC and FLIRT-β-Grid features in experiments with standard datasets prove the stability of our proposed interest point detector and the proficiency of the descriptor. The results of efficient global localization using the proposed pair of low-level interest point detector and descriptor are also presented to show the performance.