[論文レビュー] A General Optimization-based Framework for Global Pose Estimation with Multiple Sensors

Tong Qin, Shaozu Cao+2 more|arXiv (Cornell University)|Jan 11, 2019

Robotics and Sensor-Based Localization被引用数 205

ひとこと要約

この論文は、局所 VO/VIO 推定と複数のグローバルセンサー（GPS、磁気計、気圧計など）を姿勢グラフで融合し、局所的に正確で全球的にドリフトフリーな6-DoF ローカリゼーションを実現する最適化ベースのフレームワークを提案する。公開データセットと実世界の実験で実証し、オープンソースコードを提供する。

ABSTRACT

Accurate state estimation is a fundamental problem for autonomous robots. To achieve locally accurate and globally drift-free state estimation, multiple sensors with complementary properties are usually fused together. Local sensors (camera, IMU, LiDAR, etc) provide precise pose within a small region, while global sensors (GPS, magnetometer, barometer, etc) supply noisy but globally drift-free localization in a large-scale environment. In this paper, we propose a sensor fusion framework to fuse local states with global sensors, which achieves locally accurate and globally drift-free pose estimation. Local estimations, produced by existing VO/VIO approaches, are fused with global sensors in a pose graph optimization. Within the graph optimization, local estimations are aligned into a global coordinate. Meanwhile, the accumulated drifts are eliminated. We evaluate the performance of our system on public datasets and with real-world experiments. Results are compared against other state-of-the-art algorithms. We highlight that our system is a general framework, which can easily fuse various global sensors in a unified pose graph optimization. Our implementations are open source\footnote{https://github.com/HKUST-Aerial-Robotics/VINS-Fusion}.

研究の動機と目的

• 局所 VO/VIO とグローバルセンサーを融合させることにより、局所的に正確で全球 drift-free な6-DoF ポーズを提供するローカライゼーションフレームワークを推進・構築する。
• 統一された姿勢グラフ最適化を介して複数のグローバルセンサーを収容できる、一般的で拡張可能なフレームワークを提供する。
• 公開データセット（例：KITTI）と実世界の実験を通じて頑健性と精度を示し、オープンソースコードを公開する。

提案手法

• センサーを局所とグローバルに分類し、局所姿勢推定には VO/VIO を用い、グローバルセンサーをグラフ因子として扱う。
• 局所因子とグローバル因子を用いたグローバル姿勢に対する最大尤度/非線形最小二乗法最適化（バンドル調整）として姿勢推定を定式化する。
• 連続フレーム間の VO/VIO から局所因子を定義し、GPS、磁気計、気圧計を適切な残差と共分散を用いたグローバル因子としてモデル化する。
• 世界座標系のポーズをノードとし、エッジには局所制約（VO/VIO）とグローバル制約（グローバルセンサー）を含む疎な姿勢グラフを構築する。
• グローバルアライメントとドリフト補正を得るため、低頻度（1 Hz）で Gaussian-Newton/Levenberg-Mardt 反復を用いて Ceres Solver で解き、局所ポーズの高速度更新をグローバル座標系へ変換できるようにする。

実験結果

リサーチクエスチョン

• RQ1 複数のグローバルセンサーを単一の最適化ベースの姿勢グラフに統合して、局所精度を犠牲にせずグローバルなドリフトフリーなローカリゼーションを達成できるか？
• RQ2 提案フレームワークは dataset や実世界の実験を通じて、GPS、磁気計、気圧計と局所 VO/VIO を統合した場合にどのように性能を発揮するか？
• RQ3 フレームワークは GPS、磁気計、気圧計を超える追加のグローバルセンサーを含めるよう拡張可能か？
• RQ4 長距離軌跡における VO/VIO のみまたは他の多センサ融合手法と比較して、どの程度の利得が得られるか？

主な発見

シーケンス	長さ[km]	RMSE[m]	ORB-SLAM	提案手法
09_30_drive_0016	0.39	0.18	0.12
09_30_drive_0018	2.21	0.83	0.24
09_30_drive_0020	1.23	0.71	0.27
09_30_drive_0027	0.69	0.57	0.15
09_30_drive_0033	1.71	3.01	0.27
09_30_drive_0034	0.92	1.04	0.20
10_03_drive_0027	3.72	1.25	0.28
10_03_drive_0042	2.45	12.48	0.63

• ローカルに正確で全球的にドリフトフリーな6-DoF ポーズを、局所 VO/VIO と複数のグローバルセンサーを統合した姿勢グラフで実現する。
• KITTI データセットでは、提案手法がいくつかのシーケンスで ORB-SLAM よりも平行移動 RMSE が低く、GPS 統合によるドリフト抑制が効果的であることを示す。
• 回転精度は局所 VO/VIO と同等程度で、GPS は長い軌跡で平行移動ドリフトを主に低減する。
• 実世界の野外実験では、相対姿勢誤差で MSF および VIO のみを上回り、ドリフトが大幅に緩和され、軌跡が道路地図や RTK 実測値に対して整列した。
• 本システムは追加のグローバルセンサーを取り入れる一般的なフレームワークとして示され、コミュニティ利用のオープンソースコードを提供している。