[論文レビュー] An Open Source, Fiducial Based, Visual-Inertial Motion Capture System

Michael Neunert, Michael Bloesch+1 more|arXiv (Cornell University)|Jul 8, 2015

Robotics and Sensor-Based Localization参考文献 9被引用数 13

ひとこと要約

本論文では、モノクローラルカメラとIMUのデータを融合することで、低コストで印刷可能なAprilTagsを用いて、正確でグローバルに一貫性のある状態推定を実現するオープンソースのフィducialベースのビジュアルインertリアルモーショングレーピングシステムを提示する。視覚的およびインertリアル測定値を密に結合し、事前キャリブレーションを必要としないオンラインでのカメラ-IMU外部パラメータ推定を実行することで、高速な運動や遮蔽下でも堅牢な性能を発揮し、70–80 mのループにおいて1m未満の相対位置誤差を達成する。

ABSTRACT

Many robotic tasks rely on the accurate localization of moving objects within a given workspace. This information about the objects' poses and velocities are used for control,motion planning, navigation, interaction with the environment or verification. Often motion capture systems are used to obtain such a state estimate. However, these systems are often costly, limited in workspace size and not suitable for outdoor usage. Therefore, we propose a lightweight and easy to use, visual-inertial Simultaneous Localization and Mapping approach that leverages cost-efficient, paper printable artificial landmarks, socalled fiducials. Results show that by fusing visual and inertial data, the system provides accurate estimates and is robust against fast motions and changing lighting conditions. Tight integration of the estimation of sensor and fiducial pose as well as extrinsics ensures accuracy, map consistency and avoids the requirement for precalibration. By providing an open source implementation and various datasets, partially with ground truth information, we enable community members to run, test, modify and extend the system either using these datasets or directly running the system on their own robotic setups.

研究の動機と目的

• 商業用モーショングレーピングシステムの高コスト、ワークスペースの制限、屋内限定運用という課題に対処する。
• 高価なハードウェアや事前キャリブレーションを必要とせず、正確でグローバルに一貫性のあるロボット状態推定を実現する。
• 印刷可能なフィducialと標準のロボットセンサを用いて、商業用システムの軽量でコスト効率の良い代替手段を開発する。
• 視覚的およびインertリアルデータの密な統合により、高速な運動、遮蔽、照明変化に対する耐性を確保する。
• コミュニティのテスト、拡張、実ロボットプラットフォームへの展開を支援するため、オープンソースのソフトウェアとデータセットを提供する。

提案手法

• 画像平面における一意で頑健な6自由度の姿勢観測を提供するため、人工フィducialとしてAprilTagsを用いる。
• フィducialの隅の検出結果とIMUからのインertリアル測定値を融合する、密結合型拡張カルマンフィルタ（EKF）を実装する。
• 事前キャリブレーションを必要とせず、オンラインでロボットの姿勢、速度、カメラ-IMU外部パラメータを同時に推定する。
• インエータリアルデータを活用して速度推定を向上させるとともに、フィducialの遮蔽や運動ブラー時におけるトラッキング維持を実現する。
• 繰り返しのタグ観測を通じてループクロージャを暗黙的に実現し、明示的なループ検出アルゴリズムの必要性を回避する。
• オンライン外部パラメータ推定により、10回の独立した記録において一貫性があり再現性の高いキャリブレーション結果を達成する。

実験結果

リサーチクエスチョン

• RQ1 印刷可能なフィducialを用いた密結合型ビジュアルインエータリアル統合手法は、事前キャリブレーションを必要とせず、正確でグローバルに一貫性のある状態推定を達成できるか？
• RQ2 フィducialオンリーシステムと比較して、インエータリアル測定値の組み込みが、高速な運動、遮蔽、照明条件の変化に対してどのように耐性を向上させるか？
• RQ3 フィducialのカバーが疎である長距離トラジェクトリにおいて、システムはどれほど正確で一貫性のある性能を維持できるか？
• RQ4 従来のキャリブレーション手法と比較して、カメラ-IMU外部パラメータのオンライン推定は、再現性および正確性の面でどの程度優れているか？
• RQ5 リアルタイムで低遅延かつ高精度な状態推定を必要とする閉ループ制御タスクを、本システムは効果的にサポートできるか？

主な発見

• 立方体データセットでは70 mのループで相対位置誤差が約1.2%（0.86 m誤差）、パビリオンデータセットでは80 mのループで0.5%（0.38 m誤差）を達成し、検出器の推定値を基準として評価した。
• ループクロージャにおける平均再投影誤差は、立方体データセットで56.07ピクセル、パビリオンデータセットで51.01ピクセルであり、優れた特徴追跡の一貫性を示している。
• 10回の独立した記録において、オンライン外部パラメータキャリブレーションは、並進方向で1.5 cm、回転方向で0.0035 radのRMS誤差を達成し、高い再現性を示した。
• 四足歩行ロボットが油圧アクチュエータを備えたトレッドミル上で、状態推定値のみを用いて位置を中央に安定化させる閉ループ制御を成功裏に実行した。
• インエータリアルデータの統合により、速度推定の品質が著しく向上し、滑らかさと時間分解能の面で商業システムを上回った。
• 長時間にわたるトラジェクトリにおいて、システムは長期的な正確性とマップの一貫性を維持し、繰り返しのフィducial観測によるループクロージャーの精密化を実現した。