DCReg: 効率的な退化LiDARレジストレーションのためのデカップルド特性化

要旨: LiDAR点群登録は、ロボットの認識とナビゲーションにとって基礎となる技術です。幾何学的に退化した環境（例: 廊下）では、登録が不良設定（ill-conditioned）になります。特定の運動方向が弱くしか拘束されず、不安定な解や精度の低下につながります。既存の「検出してから緩和する（detect-then-mitigate）」手法は、この不良設定を最適化を損なうことなく、確実に検出し、物理的に解釈し、安定化することに失敗します。私たちはDCReg（Decoupled Characterization for Ill-conditioned Registration、不良設定登録のための非結合的特徴付け）を提案します。これは、検出-特徴付け-緩和というパラダイムを確立し、3つの革新によって不良設定登録に体系的に対処します。第一に、DCRegはヘッセ行列に対するシュール補（Schur complement）分解を用いることで、不良設定の検出を確実に実現します。これにより、6自由度（DoF）の登録を、3自由度（3-DoF）の「純粋な回転」と「純粋な並進」の部分空間に分離し、完全ヘッセ行列解析で退化を見えにくくする結合効果を排除します。第二に、これらの部分空間の中で、基底アラインメントによって固有基底（eigen-basis）の曖昧性を解消する、解釈可能な特徴付け手法を開発します。これにより、固有部分空間と物理的な運動方向との間の安定した対応付けが確立され、どの運動がどの程度拘束されていないのかという、実行可能な洞察が得られます。第三に、このスペクトル情報を活用して、構造化された前処理子（structured preconditioner）による狙いを定めた緩和を設計します。MAP正則化に導かれ、元の問題を変更するのではなく、前処理子の中だけで固有値クリッピング（clamping）を実装します。これにより、最小二乗（least-squares）の目的関数と最適解（minimizer）を保持したまま、解釈可能な単一パラメータを用いて、前処理付き共役勾配法（Preconditioned Conjugate Gradient）による効率的な最適化を可能にします。実験の結果、DCRegは多様な環境において、不良設定を考慮したベースラインに比べて長時間のローカライゼーション精度が20〜50%高く、5〜30倍の速度向上（最大116倍）を達成することが示されました。コード: https://github.com/JokerJohn/DCReg