[論文レビュー] Direct LiDAR Odometry: Fast Localization with Dense Point Clouds

Kenny Chen, Brett T. Lopez+2 more|arXiv (Cornell University)|Oct 1, 2021

Robotics and Sensor-Based Localization被引用数 5

ひとこと要約

本稿では、計算制約のあるプラットフォーム上で、高密度で最小限の事前処理を施した点群を用いて正確な局所化を実現する、軽量でリアルタイムなLiDARオドメトリの手法であるDirect LiDAR Odometry (DLO) を提案する。適応的キーフレーム化システム、凸最適化を用いた高速なサブマッピング手法、およびデータ構造の再利用を実装したカスタムNanoGICPソルバを導入することで、最先端の手法と比較して高い精度と低い計算負荷を達成し、地下鉱山や地下鉄など極限環境でも850 mの走行距離で10 cm未満のエンドツーエンドのずれを示し、高い耐障害性を示した。

ABSTRACT

Field robotics in perceptually-challenging environments require fast and accurate state estimation, but modern LiDAR sensors quickly overwhelm current odometry algorithms. To this end, this paper presents a lightweight frontend LiDAR odometry solution with consistent and accurate localization for computationally-limited robotic platforms. Our Direct LiDAR Odometry (DLO) method includes several key algorithmic innovations which prioritize computational efficiency and enables the use of dense, minimally-preprocessed point clouds to provide accurate pose estimates in real-time. This is achieved through a novel keyframing system which efficiently manages historical map information, in addition to a custom iterative closest point solver for fast point cloud registration with data structure recycling. Our method is more accurate with lower computational overhead than the current state-of-the-art and has been extensively evaluated in multiple perceptually-challenging environments on aerial and legged robots as part of NASA JPL Team CoSTAR's research and development efforts for the DARPA Subterranean Challenge.

研究の動機と目的

• 地下鉱山や低照度領域など、認知的に困難な環境において、計算リソースが限られたロボットにおけるリアルタイムLiDARオドメトリの課題に対処すること。
• 高密度LiDARスキャンの処理における計算ボトルネックを解消するため、事前処理を最小限に抑え、データ構造の再利用を最適化すること。
• 新規のキーフレーム化システムと効率的なサブマップ構築を活用することで、長期走行におけるポーズ推定の精度を向上させ、ずれを低減すること。
• CPU負荷を抑えた高速パイプラインを設計することで、一般消費者向けプロセッサでもリアルタイム性能を実現すること。
• 固定翼ドローンや脚立ロボットを含む多様なロボットプラットフォームにおいて、極限の現地環境下でも耐障害性とスケーラビリティを示すこと。

提案手法

• 環境構造を効率的に捉えるために、新規の「広がり」指標を用いた適応的キーフレーム化システムを提案し、メモリの過負荷を回避しながら、構造的特徴を的確に記録する。
• 近接および境界キーフレームからの点群を用いて、凸最適化を活用した高速なキーフレームベースのサブマッピング技術を採用し、グローバルなポーズ精査を実現する。
• 速度とメモリ効率に最適化されたカスタムの反復的最近接点法（ICP）ソルバ「NanoGICP」を導入し、データ構造の再利用によって不要なメモリ割り当てを排除する。
• 二段階のオドメトリパイプラインを採用：第一段階では、RANSACを用いたスキャン対スキャン（S2S）マッチングに加え、任意のIMU回転パラメータを初期運動推定に組み込む；第二段階では、NanoGICPを用いたスキャン対マップ（S2M）最適化により、グローバルなポーズを精査する。
• 特にNanoGICPソルバにおいて、モジュール間で内部データ構造を再利用することで、計算オーバーヘッドを低減し、低性能CPU上での処理を高速化する。
• S2S段階においてIMUデータを回転パラメータとして統合することで、初期アライメントの耐障害性を向上させつつ、タイトな融合を必要としない。

実験結果

リサーチクエスチョン

• RQ1 リソース制限のあるプラットフォーム上で、高密度で最小限の事前処理を施した点群を用いて、直接的LiDARオドメトリが高精度かつリアルタイム性能を達成できるか？
• RQ2 長期走行において、計算コストを最小限に抑えつつ、精度を維持するためのキーフレーム選択とサブマップ構築をどのように最適化できるか？
• RQ3 データ構造の再利用を実装したカスタムICPソルバは、標準のGICPやFastGICPに比べて、速度とメモリ効率でどの程度優れているか？
• RQ4 認知的に困難な環境下で、本手法は最先端のLiDARオドメトリシステムと比較して、ポーズ誤差とCPU負荷の両面で優れているか？
• RQ5 特徴が乏しく、照度が低い、またはほこりが多い環境でも、本システムは長時間走行中に低ずれと高い信頼性を維持できるか？

主な発見

• DLOは、放棄された地下鉄で850 mの自律走行を実施した結果、エンドツーエンドのずれが10 cm未満に抑えられ、極めて優れた長期的安定性を示した。
• DARPAサブターレンビアンチャレンジのベータコースにおいて、DLOは、最大誤差、平均誤差、標準偏差のすべてにおいて、2倍以上の高い精度を達成し、すべてのベースラインを上回った。これは、運動歪み補正を適用していない状態でも同様に成立した。
• 効率的なデータ構造再利用とサブマップ最適化のおかげで、DLOは平均的に1コア未満のCPU負荷を維持し、比較対象のすべての手法よりも顕著に低かった。
• NanoGICPは平均42.53 msで収束し、FastGICP（72.88 ms）やPCLのGICP（178.24 ms）を上回り、点群登録における優れた速度を示した。
• 本手法は、暗く特徴のない地下の石灰岩洞窟を348 mにわたって自律飛行させることに成功し、極限環境下での耐障害性を強力に示した。
• DLOは極めて少ないフレームドロップを記録し、高い処理スループットを維持した。Intel NUC（1.9 GHz CPU）上でも、高解像度の点群マッチングをリアルタイムで実現できた。