[論文レビュー] Robust Inertial-aided Underwater Localization and Navigation based on Imaging Sonar Keyframes

Yang Xu, Ronghao Zheng+2 more|arXiv (Cornell University)|Jan 1, 2021

Underwater Vehicles and Communication Systems参考文献 31被引用数 2

ひとこと要約

本論文は、画像ソナーのキーフレームとエラスティックスライディングウィンドウを用いた、頑健なインertial補助水中SLAMシステムを提案する。これは、特徴が疎で仰角が失われる状況に起因する2次元ソナーSLAMにおける退化問題を解決することを目的としている。三角測量の性質を分析し、顕著なキーフレームを選択することで、制約の精度とスケールの安定性を向上させ、ループクロージャーなしで外れ値に対しても頑健であることを示している。

ABSTRACT

Imaging sonars have shown better flexibility than optical cameras in underwater localization and navigation for autonomous underwater vehicles (AUVs). However, the sparsity of underwater acoustic features and the loss of elevation angle in sonar frames have imposed degeneracy cases, namely under-constrained or unobservable cases according to optimization-based or EKF-based simultaneous localization and mapping (SLAM). In these cases, the relative ambiguous sensor poses and landmarks cannot be triangulated. To handle this, this paper proposes a robust imaging sonar SLAM approach based on sonar keyframes (KFs) and an elastic sliding window. The degeneracy cases are further analyzed and the triangulation property of 2D landmarks in arbitrary motion has been proved. These degeneracy cases are discriminated and the sonar KFs are selected via saliency criteria to extract and save the informative constraints from previous sonar measurements. Incorporating the inertial measurements, an elastic sliding windowed back-end optimization is proposed to mostly utilize the past salient sonar frames and also restrain the optimization scale. Comparative experiments validate the effectiveness of the proposed method and its robustness to outliers from the wrong data association, even without loop closure.

研究の動機と目的

• 特徴が疎で仰角が失われる状況に起因する2次元画像ソナーSLAMにおける退化を解消すること。
• 光学センサが機能しない水中環境におけるローカライゼーションおよびマッピングの頑健性を向上させること。
• 過去のソナー測定値から情報を保持するキーフレームベースの手法を開発すること。
• スライディングウィンドウ最適化を用いてインertial測定値と統合し、スケールの安定化とドリフト低減を実現すること。
• データアソシエーションが不良な状況下でも、かつループクロージャーなしで頑健な性能を達成すること。

提案手法

• 本手法は、情報量の多いソナーのキーフレーム（KFs）を、連続するソナー画像から顕著性基準を用いて選択する。
• 任意の運動下での2次元ランドマークの三角測量特性を証明し、退化状況下でも制約の回復を可能にする。
• エラスティックスライディングウィンドウを用いて、過去の顕著なKFsを維持しながら、状態推定値を最適化する。
• インエラシャル測定値をソナー制約と統合することで、可観測性を向上させ、スケールドリフトを低減する。
• バックエンド最適化では、過去のキーフレームを効率的に保持することで、制約の活用度を最大化するとともに、計算負荷を最小限に抑える。
• ランドマークの可視性と運動制約の幾何学的解析を通じて、退化状況を同定する。

実験結果

リサーチクエスチョン

• RQ1 特徴が疎な状況下で、2次元画像ソナーSLAMにおける退化をどのように特定・解決できるか？
• RQ2 任意の車両運動下で、2次元ランドマークがどのようにして依然として観測可能で三角測量可能であるかという幾何的性質は何か？
• RQ3 キーフレーム選択は、制約の品質をどのように向上させ、最適化におけるスケールドリフトを低減するか？
• RQ4 インエラシャル補助最適化は、ループクロージャーなしでどの程度の精度を維持できるか？
• RQ5 エラスティックスライディングウィンドウは、データアソシエーションの誤りに対してどのようにして頑健性を向上させるか？

主な発見

• 提案手法は、顕著なキーフレームと幾何的制約を活用することで、2次元ソナーSLAMにおける退化を効果的に緩和した。
• 任意の運動下での2次元ランドマークの三角測量が可能であることが証明され、特徴が疎な環境下でも状態推定が可能であることを示した。
• エラスティックスライディングウィンドウにより、過去のキーフレームの活用が最適化され、スケールの安定性が向上し、ドリフトが低減した。
• ループクロージャーなしで、誤ったデータアソシエーションに起因する外れ値に対しても、システムは頑健であることが示された。
• 比較実験により、ベースライン手法に比べて、ローカライゼーションの精度と一貫性が向上したことが確認された。
• インエラシャル測定値の統合により、可観測性が向上し、ポーズ推定におけるあいまいさが低減された。