koide3/gtsam_points

何を解決するか

gtsam_points は、LiDARを用いたSLAM（同時位置推定と地図作成）に特化したツールセットを提供し、特に3D点群の登録と最適化に焦点を当てています。GTSAMライブラリを拡張し、より正確かつ効率的な点群マッチング、軌道推定、地図作成を可能にします。

動作方法

このプロジェクトは、点群処理のためのいくつかの主要なコンポーネントを実装しています：

• スキャンマッチング要因: 点対点、点対平面、一般化ICP（GICP）、およびGPUアクセラレーションを備えたボクセル化GICP（VGICP）を含む、さまざまな反復最密近接法（ICP）の実装。
• カラーマッチング: 色情報を利用して登録を改善するため、画像計測誤差をマッチングプロセスに統合。
• 連続時間ICP: 連続時間軌道推定のための要因を提供し、LiDARスキャンにおける運動ブラー効果を低減。
• バンドル調整: 固有値最小化（EVM）および最小二乗法に基づく要因を実装し、多視点点群登録に対応。
• 最近傍探索: 高性能な探索構造（KdTree、インクリメンタルボクセルマップ（iVox））を含み、高速なデータ関連付けを実現。
• グローバル登録: 初期推定が不十分な場合でも、RANSACおよび段階的非凸性（GNC）を用いて点群を整列。
• セグメンテーション: リージョン成長法と最小カットアルゴリズムを提供し、点群を物体に分割。

対象ユーザー

GTSAMフレームワークに依存するLiDARベースのSLAM、3D再構成、自律ナビゲーションシステムに取り組むロボット工学エンジニアおよび研究者。

主な特徴

• GPUアクセラレーション: より高速な処理を実現するVGICPのGPU実装を含む。
• 3次Bスプライン: スムーズな運動推定を可能にする連続時間軌道表現をサポート。
• 広範な要因ライブラリ: LOAM、GICP、カラーマッチングICPなど、多数のマッチングコストが要因グラフ最適化フレームワークに直接統合。
• 効率的なデータ構造: インクリメンタルボクセルマッピングと高速な占有グリッドを備え、効率的な点群重複推定を実現。