[論文レビュー] A Novel Indoor Positioning System for unprepared firefighting scenarios

Vamsi Karthik Vadlamani, Manish Bhattarai+2 more|arXiv (Cornell University)|Aug 4, 2020

Indoor and Outdoor Localization Technologies参考文献 12被引用数 4

ひとこと要約

本論文は、光学フローに基づく動画コンパスによる方位推定と、インertial measurement unit (IMU) に基づくアクティビティ認識を用いてドリフトを軽減することで、準備のない消火作業環境向けに新規の屋内位置推定システム（IPS）を提案する。LiDAR、IMU、赤外線映像データをサポートベクターレグレッションとしきい値処理で融合することで、事前インfraストラクチャなしで未知かつ動的な環境でも約2メートルの精度を達成し、救助活動のためのリアルタイムの状況認識を可能にする。

ABSTRACT

Situational awareness and Indoor location tracking for firefighters is one of the tasks with paramount importance in search and rescue operations. For Indoor Positioning systems (IPS), GPS is not the best possible solution. There are few other techniques like dead reckoning, Wifi and bluetooth based triangulation, Structure from Motion (SFM) based scene reconstruction for Indoor positioning system. However due to high temperatures, the rapidly changing environment of fires, and low parallax in the thermal images, these techniques are not suitable for relaying the necessary information in a fire fighting environment needed to increase situational awareness in real time. In fire fighting environments, thermal imaging cameras are used due to smoke and low visibility hence obtaining relative orientation from the vanishing point estimation is very difficult. The following technique that is the content of this research implements a novel optical flow based video compass for orientation estimation and fused IMU data based activity recognition for IPS. This technique helps first responders to go into unprepared, unknown environments and still maintain situational awareness like the orientation and, position of the victim fire fighters.

研究の動機と目的

• GPS や RF ベースのシステムが機能しない、準備のない動的な消火作業環境における信頼性の高い屋内位置推定の欠如に対処すること。
• 高温、環境の不安定性、赤外線画像におけるパララックスの欠如のため、Bluetoothビーコン、WiFiフィンガープrintィング、SFM などの既存のIPS技術に起因する制限を克服すること。
• 赤外線映像、IMU、LiDAR データのみを用いて、リアルタイムでドリフトに強く耐性のある位置および方位推定を消防士に提供すること。
• ビーコンやアクセスポイントの設置などの環境に関する事前知識がなくても動作するシステムを開発すること。
• 重い煙や極度の高温下でも、リアルタイムで方位および位置を正確に推定することで、状況認識を向上させること。

提案手法

• 赤外線映像を用いて、エッジ検出が困難な低解像度・広動態範囲の赤外線画像では失敗する消失点推定を回避するため、光学フローに基づく動画コンパスにより方位推定を実行する。使用カメラは IR MSA 5200HD2TIC（解像度 320x240、30 fps）。
• IMU に基づくアクティビティ認識を用いて、旋回を検出し、インertial 統合によるドリフトを低減する。
• 初期条件推定を伴う最小二乗推定法を用いて加速度計と LiDAR データを融合し、旋回中の累積誤差を補正する。
• スパarsなノイジーなサンプル下でも一般化性能を向上させるために、Vapnik の ε と Huber のロバスト損失を組み合わせたハイブリッドコスト関数を用いたサポートベクターレグレッション（SVR）を採用し、LiDAR 距離データをモデル化する。
• SVR で推定した位置の微分を用いて速度を計算し、中央値フィルタリングを用いたしきい値処理を実施することで物理的妥当性を確保し、外れ値を除去する。
• 方位データにシグモイド畳み込みとピーク検出を適用し、旋回を特定して位置推定アルゴリズムの再初期化をトリガーする。

実験結果

リサーチクエスチョン

• RQ1 消火作業環境に一般的な低パララックス・低コントラストの赤外線画像において、光学フローに基づく動画コンパスは信頼性のある方位推定を可能にするか？
• RQ2 IMU に基づくアクティビティ認識を用いて旋回を検出し、位置推定を再初期化することで、準備のない屋内環境におけるインertial ドリフトをどの程度低減できるか？
• RQ3 スパースかつノイジーな LiDAR および IMU データの融合において、ロバストなコスト関数を備えた SVR が、動的で高温の環境下でも位置推定の精度をどの程度向上できるか？
• RQ4 速度推定値に対するしきい値処理と中央値フィルタリングは、事前地図が存在しない状況でも物理的整合性を保ち、位置追跡のアーティファクトを低減できるか？
• RQ5 光学フロー、IMU、LiDAR データの融合は、準備のない未知の屋内環境において、既存の IPS 手法と比較して精度および耐性面で優れているか？

主な発見

• 提案された IPS は、建物のレイアウトやビーコン設置の事前知識がなくても、準備のない屋内環境で約 ±2 メートルの経路再構築精度を達成した。
• 方位データとシグモイドベースのピーク検出を用いて旋回を効果的に検出し、位置推定の再初期化を可能にし、累積ドリフトを顕著に低減した。
• ロバストなコスト関数を備えたサポートベクターレグレッション（SVR）は、限られたトレーニングサンプル下でも LiDAR 距離データを効果的にモデル化し、優れた一般化性能と外れ値への耐性を示した。
• 速度推定値に対するしきい値処理と中央値フィルタリングにより、物理的に不審なスパイクが除去され、推定された軌道の安定性と現実性が向上した。
• エッジ検出が困難な赤外線画像では、消失点推定に比べ、光学フローに基づく動画コンパスが優れた性能を示した。
• 本システムは、GPS や RF ベースのシステムが機能しない重い煙と高温の実環境の消火状況においても、堅牢性を示した。