[論文レビュー] Object-oriented SLAM using Quadrics and Symmetry Properties for Indoor Environments

Ziwei Liao, Wei Wang+5 more|arXiv (Cornell University)|Apr 11, 2020

Robotics and Sensor-Based Localization参考文献 34被引用数 10

ひとこと要約

本論文は、RGB-Dデータと人工物の対称性を活用し、室内環境向けにオブジェクト指向のSLAMフレームワークを提案する。この手法により、視点変化が限られた条件下でも3次元再構築の精度と収束速度が向上する。対称性の事前知識を用いることで、遮蔽部分の回復が可能となり、視点変化の少ない前進軌道でも、最先端の手法を上回る精度と堅牢性を達成する。

ABSTRACT

Aiming at the application environment of indoor mobile robots, this paper proposes a sparse object-level SLAM algorithm based on an RGB-D camera. A quadric representation is used as a landmark to compactly model objects, including their position, orientation, and occupied space. The state-of-art quadric-based SLAM algorithm faces the observability problem caused by the limited perspective under the plane trajectory of the mobile robot. To solve the problem, the proposed algorithm fuses both object detection and point cloud data to estimate the quadric parameters. It finishes the quadric initialization based on a single frame of RGB-D data, which significantly reduces the requirements for perspective changes. As objects are often observed locally, the proposed algorithm uses the symmetrical properties of indoor artificial objects to estimate the occluded parts to obtain more accurate quadric parameters. Experiments have shown that compared with the state-of-art algorithm, especially on the forward trajectory of mobile robots, the proposed algorithm significantly improves the accuracy and convergence speed of quadric reconstruction. Finally, we made available an opensource implementation to replicate the experiments.

研究の動機と目的

• 平面的で前進するロボットの軌道において、四次曲面ベースのSLAMにおける観測可能性の問題を解決すること。
• 正確な四次曲面ランドマークの初期化に必要な視点変化の依存度を低減すること。
• 室内の人工物に見られる対称性を活用して、遮蔽された部分を推定し、パラメータ推定を改善すること。
• リアルタイムな室内移動ロボティクスに適したスパarsなオブジェクトレベルのSLAMシステムを開発すること。
• 再現可能性とさらなる研究を促進するため、オープンソース実装を提供すること。

提案手法

• 3次元オブジェクトを位置、姿勢、空間的広がりを符号化する形で、コン act な四次曲面で表現する。
• 融合されたRGB-Dデータを用いた1フレーム内での四次曲面初期化を実行し、軌道に依存する視点の多様性を最小限に抑える。
• 室内構造の幾何的規則性に基づき、対称性の事前知識を用いて、欠損または遮蔽された部分を推定する。
• オブジェクト検出と点群データを統合し、四次曲面パラメータを精緻化して堅牢性を向上させる。
• SLAM最適化フレームワークに、対称性に基づく再構築を統合し、状態推定の精度を向上させる。
• 計算効率を維持しつつ、ランドマークの精度を向上させるため、スパースなオブジェクトレベル表現を採用する。

実験結果

リサーチクエスチョン

• RQ1 四次曲面ベースのSLAMは、室内環境において視点変化が最小限でも、正確な3次元再構築を達成できるか？
• RQ2 対称性の事前知識は、SLAMにおける遮蔽されたオブジェクト部分の推定をどの程度改善できるか？
• RQ3 1フレーム内での四次曲面初期化は、従来のマルチビュー法と比較して、収束速度と精度の面で優れているか？
• RQ4 対称性に基づく推論により、ロボットナビゲーション中に広範な視点変化を必要としなくなるか？
• RQ5 本手法は、前進軌道上での最先端のSLAMシステムと比較して、どの程度優れた性能を示すか？

主な発見

• 提案手法は、特に前進軌道上において、最先端の四次曲面ベースSLAMと比較して、再構築精度が顕著に向上した。
• 堅牢な1フレーム内四次曲面初期化により、収束速度が著しく向上した。
• 対称性に基づく遮蔽部分回復により、より正確で完全な四次曲面パラメータ推定が可能になった。
• 視点多様性への依存度が低減され、運動が限られた状況でも信頼性ある性能が得られた。
• 実験の完全な再現性を可能とするオープンソース実装が公開された。
• 定量的評価では、ベンチマークシーケンスにおいて、精度と収束速度の両面で優れた性能が示された。