Làm thế nào để xác định chất lượng của trận đấu ICP?

Trong các giao diện SLAM sử dụng thuật toán Điểm lặp gần nhất (ICP) để xác định mối liên kết giữa hai đám mây điểm phù hợp, làm thế nào bạn có thể xác định xem thuật toán có bị kẹt ở mức tối thiểu cục bộ và trả về kết quả sai không?

Vấn đề được định nghĩa là khớp hai điểm, cả hai mẫu của một số cấu trúc bề mặt tùy ý và các khu vực được lấy mẫu có độ chồng chéo 0-100% chưa được biết. Tôi biết biến thể ICP Trimmed hoạt động bằng cách lặp đi lặp lại để xác định sự chồng chéo, nhưng ngay cả biến thể này có thể bị kẹt ở mức tối thiểu cục bộ.

Một cách tiếp cận ngây thơ sẽ là tìm một lỗi bình phương trung bình của các cặp điểm đã xác định. Nhưng không có một số ước tính của việc lấy mẫu, điều này có vẻ như là một ngưỡng nguy hiểm. Trong hướng dẫn sử dụng cho cơn bão Leica, họ đề nghị kiểm tra thủ công biểu đồ lỗi cặp. Nếu nó có hình dạng Gaussian thì phù hợp là tốt. Nếu có một tuyến tính rơi xuống, trận đấu có lẽ là xấu. Điều này có vẻ hợp lý đối với tôi, nhưng tôi chưa bao giờ thấy nó được sử dụng trong một thuật toán.

Hầu hết các phương pháp ICP đơn giản sử dụng cách tiếp cận kiểu Least-Squares. Nó là mô hình phổ biến và dễ dàng nhất khi giả sử mô hình lỗi Gaussian làm hỏng dữ liệu đám mây điểm. Trong trường hợp này, thành phần phù hợp bình phương nhỏ nhất của thuật toán ICP tạo ra mô hình lỗi Gaussian cho các tham số giải pháp của nó với phương sai ước tính.

Đó là, nếu bạn có quyền truy cập vào lỗi sau khi khớp, thì bạn có thể ước tính lỗi Gaussian trên các tham số của biến đổi giống như cách bạn ước tính lỗi trong bất kỳ hồi quy tuyến tính nào khác.

Trong trường hợp bạn có sẵn một số thông tin từ các cảm biến khác (ví dụ: hình học từ bộ mã hóa bánh xe), bạn có thể sử dụng thông tin này khi chuyển đổi cơ thể cứng nhắc mà laserScanner gợi ý là không còn nữa.

Hãy nhớ rằng trên các quỹ đạo dài, đường dẫn hình học phân kỳ từ sự thật mặt đất nhưng tại địa phương nó khá chính xác.

Tái bút Đây là một câu hỏi khá thú vị, vì vậy hãy cho chúng tôi biết bạn đã làm thế nào trong trường hợp bạn thực sự giải quyết được vấn đề ..

Tôi nghĩ rằng cách tiếp cận tốt nhất sẽ là sử dụng một bộ dữ liệu có chứa một sự thật nền tảng. Tập dữ liệu thường được trích dẫn trong tài liệu được mô tả trong bài báo "Một điểm chuẩn để đánh giá các hệ thống SLAM RGB-D." Họ cũng mô tả một vài số liệu để so sánh kết quả ước tính tư thế của bạn với sự thật cơ bản. Hi vọng điêu nay co ich. Chúc mừng mã hóa.