[論文レビュー] Calibration of Heterogeneous Sensor Systems

Juraj Peršić|arXiv (Cornell University)|Dec 29, 2018

Robot Manipulation and Learning被引用数 3

ひとこと要約

本稿は、自律ロボティクスにおける異種センサーシステムのキャリブレーション技術について包括的な概説を提供し、標的ベース、標的フリー、およびモーショントリビューションベースの方法を用いた外部キャリブレーションに焦点を当てる。モーショントリビューションベースのキャリブレーションが長期的な自律性を実現する実用的でオンライン対応のソリューションであることを強調し、重複しないセンサ視野であっても、リアルタイムでの再キャリブレーションと耐障害性を可能にする。

ABSTRACT

Environment perception is a key component of any autonomous system and is often based on a heterogeneous set of sensors and fusion thereof for which sensor sensor calibration plays fundamental role. It can be divided to intrinsic and extrinsic sensor calibration. Former seeks for internal parameters of each individual sensor, while latter provides coordinate frame transformation between sensors. Calibration techniques require correspondence registration in the measurements which is one of the main challenges in the extrinsic calibration of heterogeneous sensors, since generally, each sensor can operate on a different physical principle. Measurement correspondences can originate from a designated calibration target or from features in the environment. Additionally, environment features can be used to estimate motion of individual sensors and the calibration is found by aligning these estimates. Motion-based calibration is the most common approach in the online calibration since it is more practical than the target-based methods, although it can lack in accuracy. Furthermore, online calibration is beneficial for system robustness as it can detect and adjust recalibration of the system in runtime, which can be seen as a prerequisite for long-term autonomy.

研究の動機と目的

• 自律ロボティクスに用いられる異種センサーシステムのキャリブレーション技術を分析および比較すること。
• 異なる物理的測定原理に従うセンサー間の対応関係登録における課題を特定すること。
• 標的ベース、標的フリー、およびモーショントリビューションベースのキャリブレーションアプローチの利点と制限を評価すること。
• システムの耐障害性と長期的な自律性を高めるためにオンラインキャリブレーションの重要性を強調すること。
• カメラ、LiDAR、IMU、レーダーの間で、インスツルメンタルおよび外部キャリブレーションの最先端手法を体系的に概説すること。

提案手法

• 既知の対応関係と高い精度を保証するため、特別に設計されたキャリブレーションターゲットを用いた標的ベースキャリブレーションを採用する。
• 環境からの構造的特徴を抽出・マッチングすることで、標的フリーのキャリブレーションを実施する。
• 個々のセンサーからの相対運動推定値を用いて外部ターゲットに依存しないモーショントリビューションベースキャリブレーションを適用する。
• 非線形的かつ非凸的なキャリブレーション問題を解くために、ガウス＝ヘルムホルツ法やアンサティケートド・カルマンフィルタ（UKF）などの反復的最適化手法を活用する。
• パrameterの同定可能性を評価し、観測不能な運動方向を特定するために、可観測性解析とフィッシャー情報行列（FIM）を適用する。
• 時間同期をキャリブレーションフレームワークに統合し、マルチセンサーの姿勢推定精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 異なる物理的測定原理に従う異種センサー間で、どのようにして対応関係登録を効果的に行うことができるか？
• RQ2 精度、実用性、オンライン適用性という観点から、標的ベース、標的フリー、およびモーショントリビューションベースのキャリブレーションのトレードオフは何か？
• RQ3 オンラインキャリブレーションをどのようにして耐障害性があり自己修正可能なものにし、自律システムの長期的自律性を支援できるか？
• RQ4 センサーフュージョンシステムにおけるキャリブレーションパラメータの可観測性を保証するために、どのような運動励起プロファイルが必要か？
• RQ5 最適化手法をどのようにして、局所最適解への感受性と測定ノイズへの感受性を低減させるように強化できるか？

主な発見

• モーショントリビューションベースキャリブレーションは、オンライン利用により実用的であり、実行時における再キャリブレーションを可能にし、システムの耐障害性を向上させる。
• 標的ベース手法は高い精度を発揮するが、オフライン手順を要し、実世界への展開にはあまり適さない。
• 標的フリーキャリブレーションは環境の特徴抽出とマッチングに依存するが、構造のないまたは特徴が乏しい環境では失敗する可能性がある。
• モーショントリビューションベース手法は、視野が重複しないセンサー間のキャリブレーションも可能であり、他の手法の主な制限を克服する。
• パラメータの可観測性を確保するためには、少なくとも2つの回転軸および2つの並進軸に沿った適切な運動励起が不可欠である。
• ガウス＝ヘルムホルツ法やFIMに基づく解析といった高度な最適化手法は、収束性を向上させるとともに、ノイズや外れ値への感受性を低減する。