[論文レビュー] LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping

Tixiao Shan, Brendan Englot+4 more|arXiv (Cornell University)|Jul 1, 2020

Robotics and Sensor-Based Localization参考文献 24被引用数 99

ひとこと要約

LIO-SAMは、因子グラフ上に緊密に結合された LiDAR–IMU フレームワークを構築し、リアルタイムの軌道推定とマッピングを提供し、ループクロージャとドリフト補正用の任意GPSを組み込む。

ABSTRACT

We propose a framework for tightly-coupled lidar inertial odometry via smoothing and mapping, LIO-SAM, that achieves highly accurate, real-time mobile robot trajectory estimation and map-building. LIO-SAM formulates lidar-inertial odometry atop a factor graph, allowing a multitude of relative and absolute measurements, including loop closures, to be incorporated from different sources as factors into the system. The estimated motion from inertial measurement unit (IMU) pre-integration de-skews point clouds and produces an initial guess for lidar odometry optimization. The obtained lidar odometry solution is used to estimate the bias of the IMU. To ensure high performance in real-time, we marginalize old lidar scans for pose optimization, rather than matching lidar scans to a global map. Scan-matching at a local scale instead of a global scale significantly improves the real-time performance of the system, as does the selective introduction of keyframes, and an efficient sliding window approach that registers a new keyframe to a fixed-size set of prior ``sub-keyframes.'' The proposed method is extensively evaluated on datasets gathered from three platforms over various scales and environments.

研究の動機と目的

• リアルタイムのモバイルロボット SLAM における LiDAR オドメトリのドリフトと精度の制限に対処する。
• LiDAR、IMU、そして絶対センサー（例：GPS）を単一の因子グラフ枠組み内で緊密に融合できるようにする。
• 局所スキャンマッチング、選択的キーフレーム、およびスライディングウィンドウ方式を通じてリアルタイム性能を達成する。
• 長期的なドリフトを補正し、多様な環境にわたるマッピングを可能にするために、ループクロージャとプレイス認識をサポートする。
• 堅牢性とスケーラビリティを示すため、複数のプラットフォームとデータセットでアプローチを検証する。

提案手法

• IMUプリインテグレーション、LiDARオドメトリ、GPS、およびループクロージャ因子を組み込んだ因子グラフ上でLiDAR慣性オドメトリを定式化する。
• LiDARスキャンのデ-skew（歪み補正）にIMUプリインテグレーションを用い、LiDARオドメトリ最適化の初期モーション推定を提供するとともに、IMUバイアスを同時推定する。
• リアルタイム性能のため、スライディングウィンドウ内の固定サイズのサブキーフレーム集合を用いた局所的かつ地図ベースのスキャンマッチング手法を採用する。
• 直近のキーフレームから2タイプのボクセルマップを構築し、エッジおよびプレーン特徴量のマッチングをサポートする。
• GPSとループクロージャ因子を利用可能な場合に組み込み、ドリフトを低減しグローバル一貫性を向上させる。
• グローバルな軌道因子グラフ上でベイズツリーに基づく増分最適化（iSAM2）を利用し、古い LiDAR スキャンを縮小して現実時間性能を維持する。

実験結果

リサーチクエスチョン

• RQ1 因子グラフ上に構築された緊密結合の LiDAR–IMU システムは、多様な環境でリアルタイムかつ低ドリフトの軌道推定とマッピングを実現できるだろうか？
• RQ2 局所的なスキャンマッチング（グローバルでない）、キーフレーム戦略、および縮小（マージナル化）は、密なグローバル手法と比較してリアルタイム性能と精度にどのような影響を与えるか？
• RQ3 絶対測定値（GPS）とループクロージャの追加が、ドリフト補正と地図の一貫性に与える影響は何か？
• RQ4 困難な運動条件下での精度と実行時間の観点で、LIO-SAM は LOAM および LIOM とどのように比較されるか？

主な発見

• LIO-SAM は複数のデータセットで、LOAM および LIOM よりも各スキャンあたりの実行時間が大幅に短く、リアルタイム性能を達成する。
• この手法はGPSがなくても、外部参照（例: Google Earth）と整合するマップを生成するケースがある。
• LIO-SAM は激しい回転・並進下でも堅牢で、いくつかの状況で LOAM および LIOM を上回る。
• GPSおよびループクロージャ因子はドリフトを効果的に低減し、GPS 単独では閉じられないループを LIO-SAM が閉じて、グローバルな一貫性を向上させる。
• 本システムは、精度とリアルタイム動作を維持しつつ、実用的なスループット（リアルタイムデータの13倍までのストレス試験）をサポートする。