[論文レビュー] Adaptive Continuous Visual Odometry from RGB-D Images

Tzu-Yuan Lin, William Clark+4 more|arXiv (Cornell University)|Oct 1, 2019

Robotics and Sensor-Based Localization参考文献 33被引用数 5

ひとこと要約

本論文は、RGB-Dビジュアルオドメトリに対してオンラインハイパラメータ学習フレームワークを提案する。Adaptive Continuous Visual Odometry (A-CVO) は、グリーディーな勾配降下法と適応的区間探索を用いて、低テクスチャまたは構造が乏しい環境でも頑健性を高めるためにカーネル長尺度を自動で調整する。この手法は、公的RGB-Dベンチマークにおいて、元のCVOおよび最先端の高密度手法を上回り、手動チューニングなしで優れた汎化性能と耐障害性を示す。

ABSTRACT

In this paper, we extend the recently developed continuous visual odometry framework for RGB-D cameras to an adaptive framework via online hyperparameter learning. We focus on the case of isotropic kernels with a scalar as the length-scale. In practice and as expected, the length-scale has remarkable impacts on the performance of the original framework. Previously it was handled using a fixed set of conditions within the solver to reduce the length-scale as the algorithm reaches a local minimum. We automate this process by a greedy gradient descent step at each iteration to find the next-best length-scale. Furthermore, to handle failure cases in the gradient descent step where the gradient is not well-behaved, such as the absence of structure or texture in the scene, we use a search interval for the length-scale and guide it gradually toward the smaller values. This latter strategy reverts the adaptive framework to the original setup. The experimental evaluations using publicly available RGB-D benchmarks show the proposed adaptive continuous visual odometry outperforms the original framework and the current state-of-the-art. We also make the software for the developed algorithm publicly available.

研究の動機と目的

• 変化する環境下で固定されたカーネル長尺度に敏感な連続的ビジュアルオドメトリ（CVO）の問題を解決すること。
• オンライン学習を用いてカーネル長尺度の選択を自動化し、手動チューニングやヒューリスティックルールを排除すること。
• 従来の手法が失敗する低テクスチャまたは構造が乏しいシーンにおける頑健性を向上させること。
• モーションブラーおよび特徴のない領域などの困難な条件下でも高い精度と収束性を維持すること。
• 実世界のロボットアプリケーションに適した、公開可能で効率的な実装を提供すること。

提案手法

• 各イテレーションでグリーディーな勾配降下法を用いてスカラーカーネル長尺度のオンライン学習を導入することで、元のCVOフレームワークを拡張する。
• 長尺度の境界付き探索区間を導入し、勾配が不安定になった場合には動的に小さな値へ収縮させることで、元のCVO動作へのフォールバックを保証する。
• 再生成カーネルヒルバート空間（RKHS）における外積のカーネル化により、性能と頑健性を向上させる。
• DSOにインspiredされた半密な点群構築法を採用し、計算コストを削減しながらも精度を維持する。
• ベクトル化とマルチスレーディングを用いて効率的なCPU実行を実現し、将来的にはGPU加速の可能性を有する。
• 画像ピラミッドや特徴マッチングを回避する連続的センサレジストレーションフレームワークに統合する。

実験結果

リサーチクエスチョン

• RQ1 オンラインハイパラメータ学習は、変化する環境条件下での連続的ビジュアルオドメトリの頑健性と性能を向上させることができるか？
• RQ2 低テクスチャまたは特徴のないシーンにおいて、適応的長尺度チューニングは固定値またはヒューリスティックベースの長尺度調整と比べてどのように優れているか？
• RQ3 外積のカーネル化は、元のCVO定式化と比較して、性能をどの程度向上させるか？
• RQ4 適応的フレームワークは、特に困難なシーケンスにおいても、公的RGB-DベンチマークでSOTA性能を維持または上回ることができるか？
• RQ5 勾配が不安定になるような失敗事例（例：モーションブラー、テクスチャ欠如）に対して、この手法はどのように対処するか？

主な発見

• TUM RGB-Dベンチマークにおいて、A-CVOは元のCVOおよび最先端のDVOよりも相対ポーズ誤差（RPE）のRMSEが低く、特にテクスチャが乏しく構造が欠如した環境で顕著な改善を示した。
• 適応的長尺度学習により、モーションブラーおよび低テクスチャを含む多様な屋内シナリオにおいて性能が顕著に向上した。
• カーネル化された外積モデル単体でも、CVOの性能は最先端の高密度ビジュアルオドメトリ手法（DVO）と同等にまで向上し、内在的な頑健性を確認した。
• 構造的・テクスチャ的に豊かなシーケンスでは、DVOがわずかにA-CVOを上回ったが、これはフルデュース画像の使用とモーションプライアの正則化によるものと推測される。
• 勾配降下ステップに失敗した場合でも、収縮する探索区間によるフォールバック機構のおかげで、手法は依然として頑健であった。
• ソフトウェア実装はGitHubで公開されており、再現性が保たれるとともに、ロボット認識スタックへの統合が可能である。