[論文レビュー] FastORB-SLAM: a Fast ORB-SLAM Method with Coarse-to-Fine Descriptor Independent Keypoint Matching

Qiang Fu, Hongshan Yu+4 more|arXiv (Cornell University)|Aug 22, 2020

Robotics and Sensor-Based Localization被引用数 6

ひとこと要約

FastORB-SLAM は、非キーフレーム間での記述子計算を排除する記述子非依存型で、粗いから細かい段階への2段階のキーポイントマッチング手法を、スパース光流を用いて提案し、ORB-SLAM2 の高速化を実現した。TUM および ICL-NUIM データセットにおいて、キーフレームでのみ記述子を計算することで、最先端の精度と約2倍の高速化を達成した。

ABSTRACT

Indirect methods for visual SLAM are gaining popularity due to their robustness to varying environments. ORB-SLAM2 is a benchmark method in this domain, however, the computation of descriptors in ORB-SLAM2 is time-consuming and the descriptors cannot be reused unless a frame is selected as a keyframe. To overcome these problems, we present FastORB-SLAM which is light-weight and efficient as it tracks keypoints between adjacent frames without computing descriptors. To achieve this, a two-stage coarse-to-fine descriptor independent keypoint matching method is proposed based on sparse optical flow. In the first stage, we first predict initial keypoint correspondences via a uniform acceleration motion model and then robustly establish the correspondences via a pyramid-based sparse optical flow tracking method. In the second stage, we leverage motion smoothness and the epipolar constraint to refine the correspondences. In particular, our method computes descriptors only for keyframes. We test FastORB-SLAM with an RGBD camera on extit{TUM} and extit{ICL-NUIM} datasets and compare its accuracy and efficiency to nine existing RGBD SLAM methods. Qualitative and quantitative results show that our method achieves state-of-the-art performance in accuracy and is about twice as fast as the ORB-SLAM2

研究の動機と目的

• トラッキング中に ORB-SLAM2 で発生する記述子計算の高コストを低減すること。
• キーフレーム選択を経由せずにフレーム間で記述子を再利用可能にすることで、効率性を向上させること。
• リアルタイムビジョゥ SLAM を実現するための高速で記述子非依存型キーポイントマッチング手法を開発すること。
• さまざまな環境下でも処理時間を短縮しながら高い精度を維持すること。
• 標準的な RGBD SLAM ベンチマークで、精度と速度の両面で最先端のパフォーマンスを達成すること。

提案手法

• 隣接フレーム間の初期キーポイント対応関係を予測するために、一様な加速運動モデルを用いる。
• ピラミッドベースのスパース光流法を適用して、初期対応関係を頑健に確立する。
• 2段階目の精錬段階で、運動の滑らかさとエピポーラ幾何学的制約を用いてマッチングを精錬する。
• ORB 記述子はキーフレームでのみ計算し、非キーフレームでの重複計算を回避する。
• 粗いから細かいマッチング戦略を活用することで、耐性と計算負荷の低減を実現する。
• アーキテクチャへの最小限の変更で ORB-SLAM2 フレームワークに統合し、互換性と効率性を確保する。

実験結果

リサーチクエスチョン

• RQ1 隣接フレーム間のトラッキング中に記述子計算を完全に排除しても、精度に影響を与えないか？
• RQ2 光流に基づく2段階の粗いから細かいキーポイントマッチング戦略は、SLAM の計算時間をどれほど削減できるか？
• RQ3 キーフレームでのみ記述子を計算することで、トラッキングの耐性と精度をどれほど維持できるか？
• RQ4 標準ベンチマーク上での既存の RGBD SLAM システムと比較して、提案手法の速度と精度はどの程度優れているか？
• RQ5 運動の滑らかさとエピポーラ制約は、記述子フリーなトラッキングにおいてキーポイントマッチングの信頼性を顕著に向上させられるか？

主な発見

• FastORB-SLAM は TUM および ICL-NUIM データセットにおいて、ORB-SLAM2 の約2倍の速度を達成した。
• 本手法は最先端の精度を維持しており、定量的評価で9つの既存 RGBD SLAM 手法を上回った。
• 記述子計算がキーフレームに限定されたため、トラッキング中の計算オーバーヘッドが顕著に低減された。
• スパース光流に基づく粗いから細かいマッチング戦略により、対応関係の耐性とトラッキングの安定性が向上した。
• 定性的な結果から、多様な環境下でも一貫性があり正確なトラジェクトリ推定が確認された。
• 本手法は TUM および ICL-NUIM データセットの両方で優れたパフォーマンスを示し、汎用性と効率性の妥当性が裏付けられた。