An Improved RANSAC for 3D Point Cloud Plane Segmentation Based on Normal Distribution Transformation Cells

Paper(8000 words)

www.semanticscholar.org

f:id:tom0930:20180611032852p:plain

 

Abstract

  • 最も一般的な平面分割方法であるRANSACは,たいてい平面を繰り返し検出するのに使われる.
  • しかしながら,ノイズがある場合に,擬似平面(平面の近似)となってしまう.
  • 本研究では,擬似平面をさけることができるNormal Distribution Transformation(NDT)cellsに基づいて改良されたRANSACを提案する.
  • 実験結果は,正解率が88.5%を超え,完全性が85.0%を超えており,提案手法が標準のRANSACよりも信頼性が高く正確な平面を特定できること示している.
  • また,より高速に実行可能である.

 

1. Introduction

  • 平面抽出は長年にわたり調査されており,屋内のマッピングや最高性においては,依然としてホットで複雑な課題である.
  • 構造型ポイントクラウドは,データが列と行で分割されているため,近傍の情報を参照することが容易である.
  • 一方,非構造型ポイントクラウドは,サイズや密度がバラバラであり,近傍点の情報を直接的に参照することは不可能である.
  • 平面分割手法は,
    1. Region-based methods,
    2. Hough Transform
    3. RANSAC
    の3つに分類される.
  • 同じ領域内の近傍点が似たような特性(property)をもつことを仮定する.ノイズに敏感で,計算に時間がかかる.
  • ハフ変換は,ロバストだが,計算量が多い.
  • RANSACは,ハフ変換よりも良いが,ポイントベースであり,屋内環境では効率的ではない.

 

6. Conclusions

  • 本論文では,NDT-RANSACを提案した.
  • このアプローチでは,非構造型ポイントクラウドは,NDTセルのセットとして表現される.
  • NDTセルは,各セルのNDT特徴に基づいて平面上のセルと非平面上のセルに分類される.
  • 結果として,提案手法は,効率的かつ高速であり正確さも向上した.
  • NDT-RANSACは,乱雑で閉塞な屋内環境などの複雑な3次元点群の処理に有効である.
  • しかしながら,異なる環境に対する最適なセルサイズを選択する経験を必要とする.

 

2. Related Works

2.1 NDT Methods

  • 点の特徴は,一般的にその点の近傍点を用いて計算される.
  • 提案手法は,NDT cellsに基づいており,それは各点ではなく,各セルを考慮した点群空間の離散的表現である.
  • NDTの根底にあるコンセプトは,空間をグリッドセル(立方体)に分割することである.
  • Point Density Functionが,各セルに対して,セル内の点密度に基づいて計算される.
  • NDTはセル内の点群を考慮し,ポイントベースは近傍点の点群を考慮するため,NDT特徴量はポイントベースの特徴量とは異なる.
  • NDTは,非構造型・構造型点群の両方に適している.
  • NDTの離散化には,以下の2つの方法がある.
    1. 点群を均一なサイズグリッドに分割する.
    2. 均一でないサイズのグリッドに離散化する.

 

2.2 RANSAC

  • RANSACは,1981年に紹介され,形状の検出に広く使われている.
  • RANSACの実行時間は,場合によっては非常に(prohibitively)高くなる可能性がある.

 

3. Proposed Methods

  • 最初のステップは,点群をNDT cellグリッドに分割することでNDT特徴量を計算し,NDT cellを平面セルと非平面セルに分類することである.
  • NDT-based RANSACは,信憑性がある平面を取得するために適用する.
  • その後,反復重み調整最小二乗法が,法線計算や平面フィッティングに用いられる.
  • 最後に,残った非平面点群を,完全な平面を取得するために最初の平面(primary plane)とテストする.

3.1 NDT Feature

f:id:tom0930:20180616222350p:plain

  • te ∈ [0, 1]のとき,NDT cellsは直線,平面,球のいずれかに分類される.
  • 経験上(empirically),te < 0.04が推奨される.
  • teの値が小さいほど,NDT cellがより平面的になる
    → teの値が小さい.
    → 比較する2つの軸の大きさの比率が,大きい.
    → 平面上.

f:id:tom0930:20180616225857p:plain

 

f:id:tom0930:20180616230506p:plain

 

3.2 NDT-RANSAC Plane Segmentation

  • NDT cellsは,以下の2つの仮定に基づく平面分割に適している.
    1. 平面上のほとんどのNDT cellは,平面的な外観をもつ.
    2. 同じ表面上のNDT cellは,似たような平面パラメータをもつ.
  • セルの法線は.平面パラメータとして使われる.
  • 2つの閾値が使われる.
    1. 平面と点の距離.
    2. セルの法線の角度の相違.
  • 距離と角度の相違が,与えられた閾値よりも小さければ,平面候補として扱われる.
  • 各点ごとに法線を計算する必要がないため,NDT-cell-based methodは,point-based methodよりも,計算時間が短く済む.
  • また,計算時間はセルサイズとセル内の点密度に依存する.

 

4. Experimental Section

5. Discussion