[論文レビュー] AprilTags 3D: Dynamic Fiducial Markers for Robust Pose Estimation in Highly Reflective Environments and Indirect Communication in Swarm Robotics

Luis A. Mateos|arXiv (Cornell University)|Jan 11, 2020

Robotics and Sensor-Based Localization参考文献 15被引用数 10

ひとこと要約

本稿では、非同一平面上に配置された複数のAprilTagsを用いた3次元フィドーシアルマーカーシステム、AprilTags3Dを紹介する。この手法により、高反射性の屋外環境におけるポーズ推定の精度が向上し、空間的に分散したタグからのポーズ推定値をリアルタイムに融合させることでノイズを低減し、検出信頼性を向上させる。標準的なAprilTagsが40%の確率で失敗する屋外水中環境でも95%のタグ検出率を達成した。さらに、LCDスクリーン上でタグIDを動的に変更することで、追加のハードウェアを用いずにスウォームロボティクスにおける動的で間接的な通信を実現する。

ABSTRACT

Although fiducial markers give an accurate pose estimation in laboratory conditions, where the noisy factors are controlled, using them in field robotic applications remains a challenge. This is constrained to the fiducial maker systems, since they only work within the RGB image space. As a result, noises in the image produce large pose estimation errors. In robotic applications, fiducial markers have been mainly used in its original and simple form, as a plane in a printed paper sheet. This setup is sufficient for basic visual servoing and augmented reality applications, but not for complex swarm robotic applications in which the setup consists of multiple dynamic markers (tags displayed on LCD screen). This paper describes a novel methodology, called AprilTags3D, that improves pose estimation accuracy of AprilTags in field robotics with only RGB sensor by adding a third dimension to the marker detector. Also, presents experimental results from applying the proposed methodology to swarm autonomous robotic boats for latching between them and for creating robotic formations.

研究の動機と目的

• 都市の川など日差しと水面の反射が強い屋外の高反射環境において、AprilTagsの検出およびポーズ推定が不安定になる課題に対処すること。
• フィeldロボティクスにおいて、視点の曇りや反射によるノイズが深刻な問題となる平面型AprilTagsの限界を克服すること。
• IMUや深度カメラなどの追加センサを一切使用せず、RGBカメラのみを用いて非同一平面に配置された複数のタグを用いた3次元配置により、リアルタイムで6自由度のポーズ推定を実現すること。
• LCDスクリーン上でタグIDを動的に変更することで、追加の通信ハードウェアを必要とせず、ロボットの状態（例：ラッチ状態）を間接的に信号化するスケーラブルな方法を構築すること。
• 実環境の擾乱（波、風など）下でも、自律的ロボットボートのラッチおよびフォーメーション制御に有効であることを実証すること。

提案手法

• 非平行な平面（例：互いに15–30°回転）に複数のAprilTagsを配置し、半ドーム型の3次元オブジェクトを形成することで、反射の影響を低減する。
• 全可視タグ（n個のタグで4n点）のコーナー検出結果を統合するマルチタグポーズ統合アルゴリズムを用い、より頑健な6自由度ポーズ推定値を1つに統合する。これはカルマンフィルタベースのセンサ統合を模倣する。
• 再投影誤差を全検出コーナーにわたって最小化するための重み付き最小二乗最適化を実行し、不確実性に基づく重み付けにより信頼性の高い検出を優遇する。
• LCDスクリーン上で動的タグIDを更新することで、ロボットの状態（例：ラッチ準備完了）を符号化し、追加の通信機器を必要としない視覚ベースの間接通信をスウォームロボティクスシステムで実現する。
• IMUや深度カメラなどの追加センサを一切使用せず、RGBカメラのみを用いて自律的ロボットボートに本システムを実装する。
• ラッチに際してカメラ対ターゲット方式を採用し、フォロワーがリーダーのポーズを推定し、40mm未満の精度でターゲット位置に誘導する。

実験結果

リサーチクエスチョン

• RQ1 非同一平面に配置された3次元AprilTagsは、平面型マーカーと比較して、高反射屋外環境におけるポーズ推定の頑健性を顕著に向上させるか？
• RQ2 水の反射、風、移動するプラットフォームなどの実環境下で、AprilTags3Dフレームワークは検出失敗率をどの程度低減するか？
• RQ3 LCDスクリーン上でタグIDを動的に変更することで、追加の通信ハードウェアを用いずに、スウォーム内のロボット間で信頼性の高い間接通信を実現できるか？
• RQ4 非同一平面に配置された複数のAprilTagsの統合は、ノイズが多く動的な環境下で、ポーズ推定の精度を向上させ、ノイズを低減するか？
• RQ5 AprilTags3Dフレームワークは、実時間の現実世界応用において、N台のロボットによるフォーメーションおよびラッチタスクにスケーラブルに適用可能か？

主な発見

• 屋外水中環境における強い日差しの反射下でも、AprilTags3Dシステムは95%のタグ検出率を達成したのに対し、標準的な印刷型AprilTagsでは60%にとどまった。
• 屋外ラッチタスクにおいて、AprilTags3Dシステムは1回の成功ラッチに要する平均試行回数を5回から2回未満にまで削減した。これは、ポーズ推定の安定性向上によるものである。
• 3次元タグ配置により、反射や視点の曇りに起因するポーズ推定誤差が顕著に低減され、個々のタグが部分的に遮蔽されても、信頼性のある6自由度ポーズ推定が可能になった。
• LCDスクリーン上での動的タグ更新により、ロボットの状態（例：ラッチ準備完了）がスウォーム全体に効果的に伝達され、電話ゲームのような通信パターンを模倣したスケーラブルな視覚ベースのフォーメーション制御が実現した。
• 本システムにより、波の影響を受ける動的環境下でも、自律的ロボットボートが40mm未満の位置精度でラッチを実行でき、機械的ラッチに必要な精度を満たした。
• AprilTags3Dフレームワークは、4台のボートで構成される列車連結フォーメーションの実験を通じて、N台ロボットフォーメーションへのスケーラビリティを実証した。各ロボットがタグの更新により状態情報を順次前方に伝達した。