[論文レビュー] FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter

Wei Xu, Fu Zhang|arXiv (Cornell University)|Oct 16, 2020

Robotics and Sensor-Based Localization参考文献 26被引用数 27

ひとこと要約

FAST-LIO は、LiDAR 特徴量と IMU 測定値を統合する反復拡張カルマンフィルタ (iEKF) を用いた計算効率が良く、密結合な LiDAR-IMU オドメトリーシステムを提示する。LiDAR 特徴量と IMU 測定値を統合するにあたり、測定次元から状態次元への複雑さの低減を実現する新しいカルマンゲイン計算式を導入し、小型マルチコプター搭載コンピュータ上で 1,200 個を超える LiDAR 特徴量を 25 ms 未塔で処理することが可能となった。

ABSTRACT

This paper presents a computationally efficient and robust LiDAR-inertial odometry framework. We fuse LiDAR feature points with IMU data using a tightly-coupled iterated extended Kalman filter to allow robust navigation in fast-motion, noisy or cluttered environments where degeneration occurs. To lower the computation load in the presence of large number of measurements, we present a new formula to compute the Kalman gain. The new formula has computation load depending on the state dimension instead of the measurement dimension. The proposed method and its implementation are tested in various indoor and outdoor environments. In all tests, our method produces reliable navigation results in real-time: running on a quadrotor onboard computer, it fuses more than 1,200 effective feature points in a scan and completes all iterations of an iEKF step within 25 ms. Our codes are open-sourced on Github.

研究の動機と目的

• UAV 操作で一般的な高速移動、ノイズ、特徴量欠如環境における LiDAR-IMU オドメトリの課題に対処すること。
• 組み込みプラットフォーム上で、1 スキャンあたり 1,200 個を超える大規模な LiDAR 特徴点群と IMU データを統合する際の高い計算コストを克服すること。
• 非即時のスキャンと UAV の動的特性に起因する LiDAR スキャンの運動歪みを補正すること。
• 低価格の固体状態 LiDAR と IMU を用いて、小型 UAV でリアルタイムで正確かつ頑健な状態推定を実現すること。
• 測定次元に依存しない、状態次元にのみ依存する計算効率の良いカルマンゲイン計算手法の開発

提案手法

• LiDAR スキャン中の運動歪みを補正し、状態を同時に推定するため、密結合な反復拡張カルマンフィルタ (iEKF) を採用する。
• LiDAR スキャン中の時間変動する運動をモデル化するため、前方および後方の状態伝搬を実装し、運動歪みの正確な補正を可能にする。
• 状態次元にのみ依存する新しいカルマンゲイン式を提案し、測定次元に依存しないことで、計算複雑度を顕著に低減する。
• 行列逆行列補題を用いて、新しいカルマンゲイン式が従来のものと等価であることを証明し、理論的妥当性を保証する。
• 数値的安定性を確保するため、誤差状態形式を用いて IMU バイアスとダイナミクスを考慮した状態遷移モデルを統合する。
• 点対平面および点対エッジ距離メトリックを用いて LiDAR 特徴量のマッチングを実装し、希釈またはごみだらけの環境でも頑健なスキャン登録を実現する。

実験結果

リサーチクエスチョン

• RQ1 密結合な iEKF フレームワークは、高速移動や高振動環境下でも LiDAR-IMU オドメトリの頑健性を向上させることができるか？
• RQ2 新しいカルマンゲイン計算式は、推定精度を損なわずに計算負荷を低減できるか？
• RQ3 前方および後方の状態伝搬を用いて、LiDAR スキャンの運動歪みはどの程度正確に補正可能か？
• RQ4 組み込み UAV プラットフォーム上で 1 スキャンあたり 1,200 個を超える LiDAR 特徴量をリアルタイムで処理できるか？
• RQ5 既存の LiDAR-IMU システムと比較して、本手法は精度および計算効率の点で優れているか？

主な発見

• FAST-LIO は 1 スキャンあたり 1,200 個を超える有効な LiDAR 特徴点を処理し、マルチコプター搭載コンピュータ上ですべての iEKF イタレーションを 25 ms 以内に完了した。
• 提案されたカルマンゲイン式により、計算複雑度が O(m²) から O(n²) に低下した。ここで n は状態次元、m は測定次元である。この変更により、リアルタイム性能が実現された。
• 屋内および屋外環境の両方で、正確でドリフトのないマップ作成が実現された。特に、高速移動や強い振動が発生する困難な状況でも安定した性能を示した。
• UAV 飛行試験において、従来の LiDAR 僅用手法が失敗するような特徴量欠如環境でも、FAST-LIO は頑健な性能を発揮した。
• LINS との比較結果から、FAST-LIO は同等またはより優れたマップ作成精度を達成したが、はるかに低い計算負荷で実現した。
• 本システムは GitHub でオープンソース化されており、Livox AVIA LiDAR と DJI Manifold 2-C コンピューティングユニットを用いた実機 UAV プラットフォームでも検証済みである。