Detecção automática de laços baseada em aparência a partir de dados a laser tridimensionais usando a transformação de distribuições normais

Resumo Propomos uma nova abordagem para a detecção de laços baseada em aparência para robôs móveis, utilizando digitalizações a laser tridimensionais (3D). A detecção de laços é um problema importante no domínio de localização e mapeamento simultâneos (SLAM), pois pode ser vista como o problema de reconhecer lugares previamente visitados, sendo um exemplo do problema de associação de dados. Sem a suposição de piso plano, abordagens baseadas em laser bidimensionais estão fadadas ao fracasso em muitos casos. Dois dos problemas com abordagens 3D que abordamos neste artigo são como lidar com a quantidade de dados bastante aumentada e como obter invariância a rotações 3D de forma eficiente. Apresentamos uma representação compacta de nuvens de pontos 3D que ainda é suficientemente discriminativa para detectar fechamentos de laços sem falsos positivos (isto é, detectar fechamento de laço onde não há nenhum). Uma baixa taxa de falsos positivos é muito importante, pois uma associação de dados errada poderia ter consequências desastrosas em um algoritmo de SLAM. Nossa abordagem usa apenas a aparência das nuvens de pontos 3D para detectar laços e não requer informações de pose. Exploitamos a representação de superfície da transformação de distribuições normais para criar histogramas de características baseados na orientação e suavidade da superfície. Os histogramas de forma da superfície comprimem os dados de entrada em dois a três ordens de magnitude. Devido à alta taxa de compressão, os histogramas podem ser comparados de forma eficiente para comparar a aparência de duas digitalizações. A invariância à rotação é alcançada ao alinhar digitalizações em relação às orientações de superfície dominantes. Também propomos usar maximização da expectativa para ajustar um modelo de mistura gamma às medidas de similaridade de saída para determinar automaticamente o limiar que separa digitalizações em fechamentos de laços de aquelas não sobrepostas. Discutimos o problema de determinar a verdade real no contexto da detecção de laços e as dificuldades em comparar os resultados dos poucos métodos disponíveis baseados em informações de alcance. Além disso, apresentamos avaliações quantitativas de desempenho usando três conjuntos de dados do mundo real, um dos quais é altamente auto-similar, mostrando que o método proposto alcança altas taxas de recall (percentagem de fechamentos de laços identificados corretamente) em baixas taxas de falsos positivos em ambientes com diferentes características. © 2009 Wiley Periodicals, Inc.