[論文レビュー] Online Initialization and Extrinsic Spatial-Temporal Calibration for Monocular Visual-Inertial Odometry

Weibo Huang, Hong Liu+1 more|arXiv (Cornell University)|Apr 12, 2020

Robotics and Sensor-Based Localization参考文献 39被引用数 5

ひとこと要約

本論文は、モノクローラルビジュアルインertリアルオドメトリー（VIO）におけるオンライン初期化および外部空間時間校正手法を提案し、ブートストラップ段階でカメラ-IMU時間遅れ、相対姿勢、および初期状態（スケール、速度、重力、バイアス）を同時に推定可能にする。短時間の運動補間と段階的で粗いものから細かいものへの最適化を用いることで、正確な校正と初期化を実現し、公開データセットを用いた検証でVIO性能の向上が確認された。

ABSTRACT

This paper presents an online initialization method for bootstrapping the optimization-based monocular visual-inertial odometry (VIO). The method can online calibrate the relative transformation (spatial) and time offsets (temporal) among camera and IMU, as well as estimate the initial values of metric scale, velocity, gravity, gyroscope bias, and accelerometer bias during the initialization stage. To compensate for the impact of time offset, our method includes two short-term motion interpolation algorithms for the camera and IMU pose estimation. Besides, it includes a three-step process to incrementally estimate the parameters from coarse to fine. First, the extrinsic rotation, gyroscope bias, and time offset are estimated by minimizing the rotation difference between the camera and IMU. Second, the metric scale, gravity, and extrinsic translation are approximately estimated by using the compensated camera poses and ignoring the accelerometer bias. Third, these values are refined by taking into account the accelerometer bias and the gravitational magnitude. For further optimizing the system states, a nonlinear optimization algorithm, which considers the time offset, is introduced for global and local optimization. Experimental results on public datasets show that the initial values and the extrinsic parameters, as well as the sensor poses, can be accurately estimated by the proposed method.

研究の動機と目的

• モノクローラルVIOシステムにおける不正確な初期状態推定とセンサー同期のずれという課題に対処すること。
• オフラインのキャリブレーションターゲットを必要とせず、オンラインでリアルタイムに外部空間的および時間的パラメータを校正できること。
• 初期化段階でメトリックスケール、重力、速度、IMUバイアスを同時に推定することで、VIOの精度を初期段階から向上させること。
• 運動補間を用いてカメラとIMUのストリーム間の時間遅れを補償し、姿勢推定精度を向上させること。
• IMUプリ統合と特徴再投影誤差の両方を用いて初期推定値を段階的に改善する、強固でインクリメンタルな最適化フレームワークの開発。

提案手法

• キーフレーム間で角速度と線形速度が一定であると仮定し、任意の時刻における姿勢を推定するための2つの短時間運動補間アルゴリズム（カメラ運動補間とIMU運動補間）を提案。
• 3段階の粗いものから細かいものへのパラメータ推定プロセスを導入：第1段階で回転、ジャイロスコープバイアス、時間遅れを回転差の最小化により推定；第2段階でスケール、重力、並進を近似；第3段階でバイアスと重力の大きさを考慮してすべてのパラメータを精緻化。
• 回転推定の誤差をモデル化するためのリー代数と指数写像近似を用い、外部パラメータおよびバイアスパラメータの微分可能な最適化を可能にする。
• 時間遅れを誤差関数に明示的に組み込んだ非線形最適化フレームワークを適用し、IMUプリ統合誤差と特徴再投影誤差の両方を同時に最小化。
• 時間遅れ、ジャイロスコープバイアス、外部回転に関する回転誤差の解析的ヤコビアンを導出することで、効率的なガウス・ニュートン最適化を実現。
• 複雑な回転誤差項（相対姿勢とバイアス摂動を含む）を線形化するために、随伴作用素とBCH近似を用いる。

実験結果

リサーチクエスチョン

• RQ1 オフラインキャリブレーションを必要とせず、オンライン初期化によってモノクローラルVIOで外部空間時間パラメータと初期状態（スケール、速度、重力、バイアス）を同時に推定できるか？
• RQ2 運動補間を用いて、時間遅れを効果的に補償することで、初期化段階でのカメラとIMU間の時間ずれをどのように是正できるか？
• RQ3 時間遅れやバイアスを無視した場合、VIOにおける初期状態推定の精度にどのような影響が生じるか？
• RQ4 3段階の粗いものから細かいものへの推定プロセスは、直接最適化と比較して初期化のロバスト性と収束性を向上させられるか？
• RQ5 公開ベンチマーク上での精度と収束速度の観点から、本手法は既存のオンライン初期化手法と比較して優れているか？

主な発見

• 提案手法は、時間遅れとバイアス補正を伴うことで、外部空間的および時間的パラメータの正確な推定を達成し、初期化精度が顕著に向上した。
• 3段階の推定プロセスにより、粗い推定値を段階的にスケール、重力、並進の正確な値へと改善することで、安定的かつ正確な初期化が可能になった。
• 一定速度仮定に基づく運動補間は、未知の時間遅れが存在する状況でも、カメラとIMUの姿勢を時間的に整合させる信頼性の高い手法を提供する。
• 非線形最適化フレームワークは、IMUプリ統合誤差と特徴再投影誤差の両方を効果的に最小化し、一貫性があり正確な状態推定を実現した。
• 公開データセットを用いた実験結果から、本手法はベースライン手法に比べて初期化精度とロバスト性の両面で優れていることが示された。
• 本手法により、最適化ベースのVIOシステムが最初のフレームから高精度でブートストラップ可能となり、ドリフトの低減と長期的な性能向上が達成された。