[論文レビュー] DCL-SLAM: A Distributed Collaborative LiDAR SLAM Framework for a Robotic Swarm

Shipeng Zhong, Yu-Hua Qi+4 more|arXiv (Cornell University)|Oct 21, 2022

Robotics and Sensor-Based Localization被引用数 5

ひとこと要約

DCL-SLAM は、通信量を最小限に抑えながら未知の環境において協調的局所化を可能にする、完全分散型でフロントエンドに依存しないLiDAR SLAMフレームワークである。データ効率の高いロボット間ループクロージャ検出に軽量なLiDAR-Iris記述子を用い、外れ値を排除する分散ポーズグラフ最適化を実装することで、最先端のシステムよりも3–5倍低い帯域幅で高い精度を達成した。

ABSTRACT

To execute collaborative tasks in unknown environments, a robotic swarm needs to establish a global reference frame and locate itself in a shared understanding of the environment. However, it faces many challenges in real-world scenarios, such as the prior information about the environment being absent and poor communication among the team members. This work presents DCL-SLAM, a fully distributed collaborative LiDAR SLAM framework intended for the robotic swarm to simultaneously co-localize in an unknown environment with minimal information exchange. Based on ad-hoc wireless peer-to-peer communication (limited bandwidth and communication range), DCL-SLAM adopts the lightweight LiDAR-Iris descriptor for place recognition and does not require full connectivity among teams. DCL-SLAM includes three main parts: a replaceable single-robot front-end that produces LiDAR odometry results; a distributed loop closure module that detects inter-robot loop closures with keyframes; and a distributed back-end module that adapts distributed pose graph optimizer combined with a pairwise consistent measurement set maximization algorithm to reject spurious inter-robot loop closures. We integrate our proposed framework with diverse open-source LiDAR odometry methods to show its versatility. The proposed system is extensively evaluated on benchmarking datasets and field experiments over various scales and environments. Experimental result shows that DCL-SLAM achieves higher accuracy and lower communication bandwidth than other state-of-art multi-robot SLAM systems. The full source code is available at https://github.com/zhongshp/DCL-SLAM.git.

研究の動機と目的

• 未知の環境でGPS不可条件下に、ロバストでスケーラブルかつ通信効率の良いロボットスワームの協調的局所化を実現すること。
• 間引きられやすく信頼性の低いロボット間通信の課題に対処し、高精度な局所化を維持しながらデータ交換を最小限に抑えること。
• フロントエンドに変更を加えることなく、さまざまな単一ロボットLiDARオドメトリーシステムと互換性を持つフレームワークを開発すること。
• 部分的接続性と動的通信範囲を有する大規模なロボットスワームにおいて、スケーラビリティとレジリエンスを確保すること。
• 多様な環境条件下で、実環境フィールド実験およびベンチマークデータセットを用いて、システムの性能を検証すること。

提案手法

• フレームワークは交換可能な単一ロボットLiDARオドメトリーフロントエンドを採用しており、多数のLiDARセンサーやオドメトリーアルゴリズムと互換性を持つ。
• ロボット間ループクロージャは、レーザースキャンを29.12 kBの記述子に符号化する軽量なLiDAR-Iris記述子を用いて検出する。
• 3段階の通信パイプラインが、ロボット間の重複スキャンを検出し、記述子と最小限の検証用点群（VLP-16では1フレームあたり99.92 kB）のみを送信する。
• 外れ値を排除するロバストな外れ値除外手法を[15]に基づいて採用し、一貫性と精度を向上させた。
• 2段階の分散ガウス＝ザイデル（DGS）最適化が、最小限の情報交換でポーズグラフ最適化を実行し、スワーム全体で一貫性を維持する。
• 中央集権的な統合なしに完全にピアツーピアで動作するため、スケーラビリティとフェイルセーフ性を確保する。

実験結果

リサーチクエスチョン

• RQ1 完全分散型LiDAR SLAMフレームワークは、通信量を最小限に抑えながら、未知の環境で高精度な協調的局所化を達成できるか？
• RQ2 生の点群を交換せずに、LiDAR-Iris記述子がデータ効率の高いロボット間ループクロージャ検出をどの程度効果的に可能にするか？
• RQ3 外れ値排除を伴う分散ポーズグラフ最適化は、動的で接続性が低いロボットスワームにおいて、軌道精度とレジリエンスをどの程度向上させるか？
• RQ4 大規模環境におけるロボット数の増加に伴い、システムの性能と通信コストはどのように変化するか？
• RQ5 本フレームワークは、多様な実環境およびベンチマーク環境において、高精度かつ低帯域幅を維持できるか？

主な発見

• DCL-SLAM は、大規模キャンパス実験における9台のUGVで平均絶対軌道誤差（ATE）が1.83mに達し、複雑な環境下でも高い精度を示した。
• 9ロボット実験では、送信データで平均34.36 kB/s、受信データで193.57 kB/sの帯域幅を使用したが、中央集権的アプローチと比べて顕著に低かった。
• KITTIデータセットでは、DCL-SLAMが中央集権的PGOの10.06 MBと比較して、平均ネットワークトラフィックをロボットαで164.67 kB/s、ロボットγで181.60 kB/sにまで低減した。
• Sun Yat-sen大学での実環境フィールドテストでは、3台のロボットで一貫したグローバルマッピングと軌道推定が達成され、わずかなドリフトと高い一貫性を示した。
• 外れ値除外の統合により、類似構造を持つ環境でもループクロージャ検出の誤検出が減少し、レジリエンスが向上した。
• フロントエンドに依存しない設計により、LIO-SAMなど多様なLiDARオドメトリーシステムと高い互換性を示し、スケーラビリティを実証した。