[論文レビュー] RadarSLAM: Radar based Large-Scale SLAM in All Weathers

Ziyang Hong, Yvan Pétillot+1 more|arXiv (Cornell University)|May 5, 2020

Robotics and Sensor-Based Localization参考文献 23被引用数 17

ひとこと要約

RadarSLAMは、FMCWレーダーを用いた完全なレーダー基盤のグラフSLAMシステムを提案し、極端な天候条件下でも耐障害性の高い大規模な位置特定とマッピングを実現する。確率的ポイントクラウド生成、レーダーの幾何学的特徴、およびグラフ最適化を活用することで、濃い霧、大量の降雪、夜間の状況において、最先端の精度と信頼性を達成し、視覚およびLiDARベースの手法を上回る性能を発揮する。

ABSTRACT

Numerous Simultaneous Localization and Mapping (SLAM) algorithms have been presented in last decade using different sensor modalities. However, robust SLAM in extreme weather conditions is still an open research problem. In this paper, RadarSLAM, a full radar based graph SLAM system, is proposed for reliable localization and mapping in large-scale environments. It is composed of pose tracking, local mapping, loop closure detection and pose graph optimization, enhanced by novel feature matching and probabilistic point cloud generation on radar images. Extensive experiments are conducted on a public radar dataset and several self-collected radar sequences, demonstrating the state-of-the-art reliability and localization accuracy in various adverse weather conditions, such as dark night, dense fog and heavy snowfall.

研究の動機と目的

• カメラやLiDARといった従来のセンサーが機能を失う極端な天候条件下での耐障害性のある大規模SLAMの課題に取り組む。
• 濃い霧、大量の降雪、視界不良などの悪条件下でも、精度と一貫性を維持できる完全なレーダー基盤のSLAMシステムを開発する。
• スペックロイズやマルチパス反射、受信機の飽和といったレーダー信号固有のノイズや歪みを、新しい信号処理およびモデリング手法により克服する。
• レーダー固有の幾何学的特徴と確率的モデリングを活用して、大規模環境における信頼性の高いループクロージャ検出とグローバルな一貫性を実現する。
• 公的および自作のレーダーデータセットを用いて、極端な天候条件下でリアルタイム性能と高い位置特定精度を実証する。

提案手法

• バイリニア補間とスケーリング係数γを用いて、生のFMCWレーダー極座標スキャンをキャリブレーション済みのカーテシアン画像に変換し、メトリックに配慮した処理を可能にする。
• スペックロイズノイズを低減し、特徴の信頼性を向上させるための確率的ポイントクラウド生成モデルを適用し、後続のマッチングおよびマッピングの性能を向上させる。
• レーダーの幾何学的特徴とグラフ表現を活用して、効率的な特徴マッチングとポーズトラッキングを実現し、最大クリーク検出による外れ値除外も実装する。
• ポーズトラッキング、ローカルマッピング、ループクロージャ検出、ポーズグラフ最適化を含む完全なグラフSLAMパイプラインを実装し、グローバルな一貫性を確保する。
• カーテシアンレーダー画像上に自己教師付きキーポイント検出フレームワークを導入し、外部の教師信号に依存しないモーション推定とループクロージャ検出を実現する。
• 確率的ポイントクラウドマッチングに基づく耐障害性の高いループクロージャ検出メカニズムを統合し、大規模環境における長期的な一貫性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 完全なレーダー基盤のSLAMシステムは、極端な天候条件下でも大規模な屋外環境において、信頼性のある位置特定とマッピングを達成できるか？
• RQ2 スペックル、マルチパス反射、受信機の飽和といったレーダー固有のノイズ源は、どのように効果的に低減可能か？
• RQ3 生の信号処理と比較して、レーダー画像からの確率的ポイントクラウド生成が、特徴マッチングおよびループクロージャ検出にどの程度向上効果をもたらすか？
• RQ4 濃い霧、大量の降雪、夜間などの悪条件において、視覚およびLiDARベースのSLAMと比較して、レーダー基盤のSLAMは精度と耐障害性で優れているか？
• RQ5 完全にレーダーのみを用いたグラフベースのSLAMフレームワークは、困難な環境下で長時間にわたるシーケンスにおいて、グローバルな一貫性とリアルタイム性能を維持できるか？

主な発見

• RadarSLAMは、2.1854%のトランスレーション誤差と0.0071 deg/mの回転誤差を達成し、自身の純粋なオドメトリーベースラインを顕著に上回った。
• オックスフォードレーダーデータセット（シーケンス10-12-32-52）において、9.04 kmの距離を正確にローカライズおよびマッピングした。これは大規模環境におけるスケーラビリティを示している。
• 自作のシーケンスにおいて、RadarSLAMは濃い霧（4.7–4.8 km）、大量の降雪（8.7 km）、夜間（5.6 km）においても正確な軌道を維持したが、カメラおよびLiDARシステムはセンサーの遮蔽や視界不良のため機能不能となった。
• カメラとLiDARが完全に遮蔽され、レーダーの前半部分が遮断された降雪シーケンスでも、RadarSLAMは正常にナビゲートおよびマッピングを実行した。
• 標準のラップトップ（Intel i7、16GB RAM）上で約6 Hzで実行され、オンライン運用に適したリアルタイム性能を確認した。
• ORB-SLAM2、LOAM、SuMaと比較して、RadarSLAMは悪条件下で同等または優れた精度を達成し、著しく向上した耐障害性とトラッキング安定性を示した。