ICP一致の品質を判断する方法は？

でSLAMフロントエンドアルゴリズムは極小で立ち往生し、誤った結果を返している場合、2つのマッチング点群との間の関連を同定するための反復最近点（ICP）アルゴリズムを使用して、どのように決定することができますか？

この問題は、任意の表面構造の両方のサンプルである2つの点群に一致するものとして定義されており、サンプリングされた領域の重なりは0〜100％であり、不明です。私が知っているトリミングされたICPの変種は、反復的にオーバーラップを決定しようとすることで動作しますが、でもこれは局所的最小値で立ち往生することができます。

単純なアプローチは、識別されたポイントペアの平均二乗誤差を調べることです。しかし、サンプリングの推定がなければ、これは危険なしきい値設定のようです。以下のためのマニュアルではライカサイクロン彼らはペアエラーヒストグラムの手動検査を示唆しています。ガウス形状の場合、フィットは良好です。線形の減衰がある場合、一致はおそらく悪いです。これは私にとってもっともらしいようですが、アルゴリズムで使用されるのを見たことがありません。

ほとんどの単純なICPメソッドは、最小二乗タイプのアプローチを使用します。ガウス誤差モデルが点群データを破損すると仮定した場合、一般的で最も簡単にモデル化できます。この場合、ICPアルゴリズムの最小二乗近似コンポーネントは、推定された分散を持つソリューションパラメーターのガウス誤差モデルを生成します。

つまり、マッチング後の誤差にアクセスできる場合、他の線形回帰で誤差を推定するのと同じ方法で、変換のパラメーターでガウス誤差を推定できます。

他のセンサーからの情報（ホイールエンコーダーからの走行距離など）がある場合は、laserScannerが示唆する剛体変換が遠く離れているときに使用できます。

長い軌跡では、オドメトリパスはグラウンドトゥルースから分岐しますが、局所的にはかなり正確であることを忘れないでください。

PS。これは非常に興味深い質問なので、実際に問題を解決した場合の対処方法をお知らせください。

最良のアプローチは、グラウンドトゥルースを含むデータセットを使用することだと思います。文献で最もよく引用されているデータセットは、論文「RGB-D SLAMシステムの評価のためのベンチマーク」に記載されています。また、ポーズ推定結果とグラウンドトゥルースを比較するためのいくつかのメトリックについても説明します。お役に立てれば。ハッピーコーディング。