[論文レビュー] PL-VINS: Real-Time Monocular Visual-Inertial SLAM with Point and Line

Qiang Fu, Jialong Wang+4 more|arXiv (Cornell University)|Sep 16, 2020

Robotics and Sensor-Based Localization参考文献 23被引用数 22

ひとこと要約

PL-VINSは、局所化精度を向上させるために点特徴と線特徴を統合したリアルタイムモノクローラル視覚慣性SLAMシステムを提案する。線抽出を修正したLSDアルゴリズムで最適化し、反復的最小化により中点から線までの距離を最小化するPlücker座標を用いた線ランドマークのモデル化により、GPU加速なしの1.1 GHz CPU上で12–16%の位置誤差低減を達成した。

ABSTRACT

Leveraging line features to improve location accuracy of point-based visual-inertial SLAM (VINS) is gaining importance as they provide additional constraint of scene structure regularity, however, real-time performance has not been focused. This paper presents PL-VINS, a real-time optimization-based monocular VINS method with point and line, developed based on state-of-the-art point-based VINS-Mono \cite{vins}. Observe that current works use LSD \cite{lsd} algorithm to extract lines, however, the LSD is designed for scene shape representation instead of specific pose estimation problem, which becomes the bottleneck for the real-time performance due to its expensive cost. In this work, a modified LSD algorithm is presented by studying hidden parameter tuning and length rejection strategy. The modified LSD can run three times at least as fast as the LSD. Further, by representing a line landmark with Pl\{u}cker coordinate, the line reprojection residual is modeled as midpoint-to-line distance then minimized by iteratively updating the minimum four-parameter orthonormal representation of the Pl\{u}cker coordinate. Experiments in public EuRoc benchmark dataset show the location error of our method is down 12-16\% compared to VINS-Mono at the same work frequency on a low-power CPU @1.1 GHz without GPU parallelization. For the benefit of the community, we make public the source code: extit{https://github.com/cnqiangfu/PL-VINS

研究の動機と目的

• 構造的制約としての線特徴を組み込むことで、モノクローラル視覚慣性SLAMにおける局所化精度を向上させること。
• 特にLSDを用いた場合に生じる高コストな線抽出が引き起こすリアルタイム性能のボトル neck を解消すること。
• ロバストな線ランドマークモデリングのため、Plücker座標を用いた効率的な線表現と最適化手法を開発すること。
• GPU非依存の低消費電力CPU上で高精度かつリアルタイム性能を達成すること。
• コミュニティの採用とさらなる研究を支援するため、オープンソースコードを公開すること。

提案手法

• 線抽出を少なくとも3倍速くするために、隠れパラメータを最適化し、長さの破棄戦略を導入した改良版LSDアルゴリズムを提案する。
• 線ランドマークはPlücker座標で表現され、コンパクトな4パラメータの正規直交表現が可能になる。
• 線再投影残差は、3次元点の中点から3次元線までの距離としてモデル化され、反復的最適化によりこの距離を最小化する。
• 最適化プロセスでは、線ランドマーク推定を精緻化するために反復的にPlücker座標表現を更新する。
• 最適化ベースのVINSフレームワーク内に点特徴と線特徴を統合し、ハイブリッド特徴追跡をVINS-Monoに拡張する。
• 低消費電力CPU上でリアルタイム動作を実現するように設計され、GPU依存を回避する。

実験結果

リサーチクエスチョン

• RQ1 モノクローラルVINSに線特徴を統合することで、リアルタイム性能を損なわずに局所化精度を向上させることができるか？
• RQ2 低消費電力ハードウェア上でリアルタイムSLAMを実現するのに十分な速度で線抽出を高速化できるか？
• RQ3 視覚慣性ステート推定フレームワークにおいて、線ランドマークを最も効果的に表現・最適化する方法は何か？
• RQ4 Plücker座標の使用が、線特徴表現と再投影誤差の最小化にどのように寄与するか？
• RQ5 標準ベンチマークにおいて、点特徴のみのVINSと比較して、線特徴はどれほど局所化誤差を低減できるか？

主な発見

• 改良版LSDアルゴリズムは、元のLSDに比べて少なくとも3倍速い線抽出を達成し、リアルタイム性能を実現した。
• 1.1 GHz CPU上で同じ周波数で動作する状況で、EuRoCベンチマークにおいてPL-VINSはVINS-Monoに比べて12–16%の位置誤差低減を達成した。
• 中点から線までの距離を反復的に最小化するPlücker座標の使用により、線ランドマーク表現の精度が向上した。
• GPU非依存の設計により、リアルタイム性能を実現し、低消費電力埋め込みプラットフォームに適した。
• コードのオープンソース公開により、再現性が確保され、ハイブリッド点線SLAM分野における今後の研究を促進した。