[論文レビュー] A Unified 3D Mapping Framework using a 3D or 2D LiDAR

Weikun Zhen, Sebastian Scherer|arXiv (Cornell University)|Oct 30, 2018

Robotics and Sensor-Based Localization参考文献 3被引用数 4

ひとこと要約

本論文は、誤差状態カルマンフィルタとスキャンマッチングに基づく一般化された局所化モジュールをCartographer SLAMに拡張することで、固定または回転式の2Dおよび3D LiDARを統合的にサポートする統一された3次元マッピングフレームワークを提案する。このフレームワークは、最小限のパrameterチューニングで多様なLiDARプラットフォームにおいてリアルタイムかつ高品質な3次元マッピングを実現し、ドリフトを1mあたり0.003°に低減するとともに、屋内および屋外環境において一貫したループクロージャを実現する。

ABSTRACT

Simultaneous Localization and Mapping (SLAM) has been considered as a solved problem thanks to the progress made in the past few years. However, the great majority of LiDAR-based SLAM algorithms are designed for a specific type of payload and therefore don't generalize across different platforms. In practice, this drawback causes the development, deployment and maintenance of an algorithm difficult. Consequently, our work focuses on improving the compatibility across different sensing payloads. Specifically, we extend the Cartographer SLAM library to handle different types of LiDAR including fixed or rotating, 2D or 3D LiDARs. By replacing the localization module of Cartographer and maintaining the sparse pose graph (SPG), the proposed framework can create high-quality 3D maps in real-time on different sensing payloads. Additionally, it brings the benefit of simplicity with only a few parameters need to be adjusted for each sensor type.

研究の動機と目的

• LiDARベースのSLAMシステムにおけるプラットフォーム間互換性の欠如に起因する、異なるセンサータイプごとに別個のアルゴリズムを必要とする問題に対処すること。
• 固定および回転式の2D/3D LiDARを統合的に使用する、リアルタイムかつ高精度な3次元マッピングを1つのフレームワーク内で実現すること。
• センサータイプの違いにもかかわらず一貫した設定戦略を維持することで、プラットフォーム間でのパrameterチューニングを最小限に抑えること。
• 縦方向の視野が制限された環境（例：細い通路）におけるロバストネスを向上させるために、回転式LiDARを活用すること。

提案手法

• 位置推定に距離マップを用いたスキャンマッチングを実行する誤差状態カルマンフィルタ（ESKF）を、Cartographerの元々の局所化モジュールに置き換える。
• ポーズの最適化とドリフト低減を目的としたスパースポーズグラフ（SPG）の最適化部を導入し、元のCartographerバックエンドとの互換性を維持する。
• リアルタイムで個々のレーザースキャンを処理し、各スキャンをマップとマッチングさせることで、IMUのみの統合に比べて精度を向上させる。
• センサータイプに依存しない局所化手法を実装することで、固定3D LiDARおよび回転式2D/3D LiDARの両方をサポートする。
• プラットフォームを切り替える際には、距離マップの解像度、スキャン蓄積数、最適化頻度といった少数の主要パrameterのみを調整する。
• 効率的なスキャンマッチングを可能にするとともに、さまざまなセンサーカンfigレーションをサポートする距離マップ表現を採用する。

実験結果

リサーチクエスチョン

• RQ1 1つのSLAMフレームワークが、固定および回転式の2D/3D LiDARを最小限の再構成で統合的にサポートできるか。
• RQ2 回転式LiDARにおいて、提案手法の局所化方法はIMUのみの統合と比較して、ドリフトおよび精度の点で優れているか。
• RQ3 異なるLiDARタイプおよび環境において、性能に顕著な影響を与えるパrameterは何か。
• RQ4 視野制限が細い通路のような環境での高さ推定およびループクロージャに与える影響は何か。
• RQ5 多様なロボットプラットフォーム間で、パrameterチューニングをどの程度標準化できるか。

主な発見

• フレームワークは1mあたり0.003°の回転ドリフト率を達成し、長期マッピングにおいて高い一貫性を示した。
• 固定3D LiDARを用いた細い通路では、縦方向の視野が制限されたため高さ推定が不安定となり、ループクロージャが遅延した。
• 回転式LiDARは視野を広げ、より良い3次元構造の捉え込みを可能にすることで、マッピングのロバストネスを著しく向上させた。
• 回転式2D LiDARでは、十分なスキャン点を蓄積して安定したサブマップ更新を実現するため、低速移動（約0.5 m/s）が不可欠であった。
• プラットフォーム切り替え時には、距離マップ解像度、スキャン蓄積数、最適化頻度といった少数のパrameterのみを調整すればよかった。
• 全テスト環境において一貫したループクロージャと、ロール（0.14°）、ピッチ（0.15°）、ヨー（0.24°）の誤差ピークが低い結果が得られた。