[論文レビュー] Optimization-Based Visual-Inertial SLAM Tightly Coupled with Raw GNSS Measurements

Jinxu Liu, Wei Gao+1 more|arXiv (Cornell University)|Oct 22, 2020

Robotics and Sensor-Based Localization参考文献 24被引用数 61

ひとこと要約

本論文は、スライディングウィンドウフレームワーク内で、生のGNSS測定値（擬似距離とドップラーシフト）を視覚的特徴およびIMUプリ統合と密結合して統合する最適化ベースのビジュアルインertリアルSLAMシステムを提案する。センサの非同期性を考慮しながら、再投影誤差、IMUプリ統合誤差、および生のGNSS誤差を同時に最小化することで、都市きょう配や低層住宅地域において、最先端のVI-SLAM、GNSS単点測位、および緩い結合手法を上回る優れたグローバル精度を達成した。

ABSTRACT

Unlike loose coupling approaches and the EKF-based approaches in the literature, we propose an optimization-based visual-inertial SLAM tightly coupled with raw Global Navigation Satellite System (GNSS) measurements, a first attempt of this kind in the literature to our knowledge. More specifically, reprojection error, IMU pre-integration error and raw GNSS measurement error are jointly minimized within a sliding window, in which the asynchronism between images and raw GNSS measurements is accounted for. In addition, issues such as marginalization, noisy measurements removal, as well as tackling vulnerable situations are also addressed. Experimental results on public dataset in complex urban scenes show that our proposed approach outperforms state-of-the-art visual-inertial SLAM, GNSS single point positioning, as well as a loose coupling approach, including scenes mainly containing low-rise buildings and those containing urban canyons.

研究の動機と目的

• 緩い結合やEKFベースの統合の限界を克服するため、生のGNSS測定値を視覚的およびインertリアルデータと密結合統合することを目的とする。
• 標準的なSLAMにおけるドリフトおよびグローバルフレームの曖昧性を解消するため、視覚的およびインertリアルデータと組み合わせて、生のGNSS擬似距離およびドップラーシフトを統合する。
• GNSSとビジョンが単独で機能しない、都市きょう配や低テクスチャ環境における位置決め精度を向上させることを目的とする。
• 最適化フレームワーク内での正確な時間同期化により、カメラ、IMU、GNSS受信機間のセンサ非同期性を処理することを目的とする。
• 最適化パイプライン内にノイズの多い測定値の除去およびマージナル化技術を統合することで、耐障害性を向上させることを目的とする。

提案手法

• スライディングウィンドウ最適化フレームワーク内で、視覚的特徴からの再投影誤差、IMUプリ統合誤差、および生のGNSS測定誤差（擬似距離およびドップラーシフト）を同時に最小化する。
• 画像撮影、IMU測定、GNSS測定間の非同期性を、最適化内に明示的に時間オフセットをモデル化することで対処する。
• ノイズの多いGNSS測定値の除去に二段階戦略を採用：まずGNSSソルバーで外れ値を特定し、次に幾何的および運動的制約を組み合わせたミックスドソルバーを用いて耐障害性を向上させる。
• GNSS単点測位の結果とVI-SLAMトラジェクトリを一致させることで、初期のECEFからENU、およびENUからローカルワールドフレームへの変換を推定することで、GNSS-SLAMの初期化を実施する。
• シュール補完技術を用いて古い状態を削除しながらも情報を保持することで、計算効率を維持するため、マージナル化を適用する。
• 評価時に真値およびベースライン手法と公平な比較を保証するため、トラジェクトリのアライメントに剛体変換を用いる。

実験結果

リサーチクエスチョン

• RQ1 生のGNSS測定値（擬似距離およびドップラーシフト）を視覚的およびインエラルデータと密結合統合することで、都市環境におけるグローバル位置決め精度が向上するか？
• RQ2 視覚的、インエラル、および生のGNSS誤差を同時に最適化する手法が、緩い結合やEKFベースの統合と比較して、トラジェクトリ精度および耐障害性においてどのように優れているか？
• RQ3 最適化フレームワーク内で、カメラ、IMU、GNSS受信機間のセンサ非同期性はどの程度軽減可能か？
• RQ4 提案された二段階のノイズの多いGNSS測定値の除去手法は、計算コストを著しく増加させることなく、精度を向上させるか？
• RQ5 都市きょう配や低テクスチャ環境といった困難な状況下で、このシステムはどのように性能を発揮するか？

主な発見

• 提案手法は、CA 20190828173350シーケンスにおいて14.33 mの変位RMSEを達成し、VINS-mono（19.08 m）、GNSS SPP（20.28 m）、VINS-Fusion（14.337 m）を下回り、優れた精度を示した。
• CA 20190828190411シーケンスでは、ミックスドソルバーを用いることでRMSEを4.455 mにまで低減したが、GNSSソルバー単体では5.941 mであったため、二段階除去アプローチの有効性が裏付けられた。
• すべてのシーケンスにおいて、トラジェクトリの完全性が向上し、GNSS劣化環境下でも高い位置可用性を維持した。
• Google Earthへの投影により、複雑な都市シーンにおける実世界の経路と一致するグローバルに一貫性のあるトラジェクトリを達成したことが確認された。
• 2番目のノイズの多い測定値除去手法（ミックスドソルバー）は、GNSSソルバーと比較して平均でATEを25%低減したが、平均実行時間は25倍に増加した（24.66 ms 対 0.389 ms）。
• すべてのテストシーケンスにおいて、翻訳および回転精度の両面で、最先端のVI-SLAM（VINS-mono）、GNSS単点測位（RTKLIB）、および緩い結合（VINS-Fusion）を上回った。