静的ラインスキャンLiDARと回転プラットフォームの二段階外部キャリブレーション

ラインスキャンLiDARは、固定平面内の距離と方位角の値を提供するセンサである。周囲の物体を3次元で認識するためには、LiDAR平面と物体の間に相対運動が必要となる。そのため、回転プラットフォーム上にラインスキャンLiDARを搭載し、プラットフォームを回転させることで物体の3D点群データを取得する手法は、工業精密スキャンや検査の分野で有望視されている。しかしこの設定では、プラットフォームの回転軸をLiDAR座標系に対して正確に特定するという課題が生じる。この問題はロボティクスコミュニティにおいて外部キャリブレーション問題として知られている。回転軸のキャリブレーション誤差は、再構成された点群の品質に直接影響し、物体形状の歪みや誤表現を引き起こす。

本研究では、静的ラインスキャンLiDARと回転プラットフォーム間の回転軸変換を推定するための二段階自動キャリブレーション手法を提案する。提案手法は静的推定と動的推定の二段階からなる。静的推定段階では、異なるプラットフォーム角度で固定ターゲットをスキャンし、幾何学的制約を用いて回転軸の方向と位置を初期推定する（例えば、最小二乗法による平面または直線フィッティング）。動的推定段階では、プラットフォーム連続回転時に取得される連続スキャンデータを用いて、非線形最適化アルゴリズム（Levenberg-Marquardt法など）によりキャリブレーションパラメータをさらに精密化する。全プロセスは自動化されており、手動介入を必要としない。

研究チームは、カスタムメイドの回転プラットフォームとFMCW LiDARを使用して実世界データセットを取得し、提案アルゴリズムを検証した。実験では、様々な初期条件に対する収束特性を評価し、提案手法が多様な初期条件からでも安定して高精度なキャリブレーションパラメータに収束することを示した。静的推定のみの手法と比較して、二段階手法は精度が約30%向上し、動的推定のみの手法と比較して、特に初期誤差が大きい場合にロバスト性が大幅に改善された。本論文は8ページ、13の図表を含み、アルゴリズムの導出、実験設定、結果分析を詳細に記述している。

本論文は2026年IEEE/RSJ国際インテリジェントロボットとシステム会議（IROS）に採択され、発表予定である。この成果は、工業精密スキャン、自動化検査などの分野において信頼性の高いキャリブレーション手法を提供し、ラインスキャンLiDARの3次元再構成やロボット認識への応用を促進することが期待される。今後の研究では、より複雑な動的環境やリアルタイムキャリブレーションへの対応を目指し、さらにマルチラインLiDARやソリッドステートLiDARへの拡張も検討する予定である。