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

Qiang Fu, Hongshan Yu+5 more|arXiv (Cornell University)|Aug 22, 2020

Robotics and Sensor-Based Localization参考文献 69被引用数 4

ひとこと要約

FastORB-SLAM は、非キーフレームにおける記述子計算を排除することで ORB-SLAM2 の処理を高速化する、記述子に依存しないキーポイントマッチング手法を提案する。2段階の粗いから細かいアプローチ（スパースオプティカルフローと運動/幾何制約に基づく）を用い、TUM および ICL-NUIM データセットで、最新の精度を達成しながら ORB-SLAM2 の約2倍の速度で動作する。

ABSTRACT

Indirect methods for visual SLAM are gaining popularity due to their robustness to environmental variations. ORB-SLAM2 \cite{orbslam2} is a benchmark method in this domain, however, it consumes significant time for computing descriptors that never get reused unless a frame is selected as a this http URL overcome these problems, we present FastORB-SLAM which is lightweight 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 predict initial keypoint correspondences via a simple but effective motion model and then robustly establish the correspondences via pyramid-based sparse optical flow tracking. In the second stage, we leverage the constraints of the motion smoothness and epipolar geometry to refine the correspondences. In particular, our method computes descriptors only for keyframes. We test FastORB-SLAM on extit{TUM} and extit{ICL-NUIM} RGB-D datasets and compare its accuracy and efficiency to nine existing RGB-D SLAM methods. Qualitative and quantitative results show that our method achieves state-of-the-art accuracy and is about twice as fast as the ORB-SLAM2.

研究の動機と目的

• 非キーフレームにおける冗長な記述子計算を排除することで、ORB-SLAM2 の計算負荷を低減すること。
• 連続フレーム間の記述子フリーなマッチングであっても高いトラッキング精度を維持すること。
• リアルタイムデプロイメントに適した軽量で効率的なビジュアル SLAM システムの開発。
• 運動のなめらかさとエピポーラ幾何を活用して、記述子なしでキーポイント対応を精緻化すること。
• 標準的な RGB-D 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

• 2段階の粗いから細かいキーポイントマッチングパイプラインを提案：まず、運動モデルを用いて初期対応を予測する。
• 初期マッチをピラミッドベースのスパースオプティカルフロー追跡により精緻化し、運動および照明変化に強い耐性を確保する。
• 2段階目に、運動のなめらかさとエピポーラ幾何制約を適用して対応をさらに精緻化する。
• 記述子はキーフレームでのみ計算され、トラッキング中の計算負荷を顕著に低減する。
• 本手法はスパースオプティカルフローと幾何制約に依存しており、非キーフレームでの記述子計算なしに精度を維持する。
• 本システムは、精度と効率性を評価するための標準指標を用いて、TUM および ICL-NUIM RGB-D データセットで評価された。

実験結果

リサーチクエスチョン

• RQ1 非キーフレームにおける記述子計算を回避することで、ビジュアル SLAM のトラッキング精度が低下しないか？
• RQ2 運動モデルとスパースオプティカルフローを組み合わせた手法が、初期キーポイント対応の予測にどの程度有効か？
• RQ3 運動のなめらかさとエピポーラ幾何制約は、記述子なしトラッキングにおけるマッチングのロバスト性をどの程度向上させるか？
• RQ4 記述子に依存しないアプローチが、ORB-SLAM2 よりも顕著に高速化しながら、最先端の精度を達成できるか？
• RQ5 本手法は、9 つの既存の RGB-D SLAM 手法と比較して、精度と効率性の両面でどの程度優れているか？

主な発見

• FastORB-SLAM は、TUM および ICL-NUIM RGB-D データセットで、9 つの既存の RGB-D SLAM 手法を上回る最先端の精度を達成した。
• 非キーフレームでの記述子計算を排除したため、ORB-SLAM2 よりも約 2 倍の速度で動作した。
• 記述子計算はキーフレームでのみ実行され、全体の計算コストを低減しながらトラッキングの安定性を保持した。
• 運動モデルとピラミッドベースのオプティカルフローを用いた 2 段階のマッチングパイプラインが、ロバストな初期対応を提供した。
• 運動のなめらかさとエピポーラ幾何からの幾何制約が、最終的なキーポイントマッチの精度を顕著に向上させた。
• 定性的および定量的評価結果から、記述子に依存しないアプローチが多様な環境で高い精度を維持していることが確認された。