[論文レビュー] Robust Stereo Visual Inertial Odometry for Fast Autonomous Flight

Ke Sun, Kartik Mohta+6 more|arXiv (Cornell University)|Nov 30, 2017

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

ひとこと要約

本論文では、高速な自律飛行を実現するためのフィルタベースのステレオビジュアルインertリアルオドメトリ（VIO）システム、S-MSCKFを提案する。マルチステート制約カルマンフィルタ（MSCKF）を用いて、単眼VIOと同等の計算効率を達成すると同時に、困難な環境下でも著しく高い耐障害性を示す。本手法は、EuRoCおよび最高時速17.5 m/sの高速飛行を想定した独自のデータセットを用いて検証された。

ABSTRACT

In recent years, vision-aided inertial odometry for state estimation has matured significantly. However, we still encounter challenges in terms of improving the computational efficiency and robustness of the underlying algorithms for applications in autonomous flight with micro aerial vehicles in which it is difficult to use high quality sensors and pow- erful processors because of constraints on size and weight. In this paper, we present a filter-based stereo visual inertial odometry that uses the Multi-State Constraint Kalman Filter (MSCKF) [1]. Previous work on stereo visual inertial odometry has resulted in solutions that are computationally expensive. We demonstrate that our Stereo Multi-State Constraint Kalman Filter (S-MSCKF) is comparable to state-of-art monocular solutions in terms of computational cost, while providing signifi- cantly greater robustness. We evaluate our S-MSCKF algorithm and compare it with state-of-art methods including OKVIS, ROVIO, and VINS-MONO on both the EuRoC dataset, and our own experimental datasets demonstrating fast autonomous flight with maximum speed of 17.5m/s in indoor and outdoor environments. Our implementation of the S-MSCKF is available at https://github.com/KumarRobotics/msckf_vio.

研究の動機と目的

• マイクロエアロダル・ビークル（MAV）の限られた搭載計算能力とセンサー品質のもとで、高精度かつリアルタイムな状態推定を達成する課題に対処する。
• ステレオVIOが単眼VIOよりも計算コストが高いという一般的な認識を覆し、同等またはより高い効率性を示す。
• 高速運動、低テクスチャ、変動する照明といった極端な条件下でも耐障害性を維持するフィルタベースのステレオVIOシステムを開発する。
• GPS不能で構造のない環境において、搭載センサーとラップトップクラスのコンピュータのみを用いて完全に自律飛行を可能にする。
• 広範な研究および応用利用を促進するため、オープンソースでリアルタイム対応の実装を提供する。

提案手法

• 2台の同期されたカメラフレームを独立した測定値として取り入れることで、マルチステート制約カルマンフィルタ（MSCKF）をステレオビジョンに適応させる。
• 状態推定問題を要因グラフ表現でモデル化し、状態ベクトルにはポーズ、速度、バイアス、カメラ位置が含まれる。
• 拡張カルマンフィルタ（EKF）フレームワークを用いて、IMUおよびステレオ画像測定値に基づく予測と更新ステップを再帰的に状態と共分散を推定する。
• チェーンルールを用いてステレオ特徴の測定ジャコビアンを導出する。両方のカメラ（左・右）の投影およびグローバルフレームへの変換を考慮する。
• ステレオ特徴によって生じるマルチステート制約を処理するための状態拡張技術を導入し、複数の視点間での一貫性ある状態推定を確保する。
• 高速な運動や動的環境下でも精度を維持できる、頑健な初期化および再線形化戦略を実装する。

実験結果

リサーチクエスチョン

• RQ1 ステレオビジュアルインエントリアルオドメトリシステムは、単眼ソリューションと同等の計算効率を達成しつつ、優れた耐障害性を維持できるか？
• RQ2 提案されたS-MSCKFは、高速飛行（最高時速17.5 m/s）および低テクスチャ環境といった極端な飛行条件下でどのように動作するか？
• RQ3 GPS不能で動的な環境下において、ステレオ構成は単眼VIOに比べてどれほど耐障害性を向上させるか？
• RQ4 GPUアクセラレーションなしのラップトップクラスのコンピュータ上でも、フィルタベースのステレオVIOをリアルタイムで実行できるか？
• RQ5 S-MSCKFは、OKVIS、ROVIO、VINS-MONOといった最新のVIOシステムと比較して、精度、効率性、耐障害性の面でどのように差をつけるか？

主な発見

• S-MSCKFは、VINS-MONOなどの最新の単眼VIOシステムと同等、あるいはそれ以下のCPU使用率で、計算効率を達成している。
• 本システムは、屋内および屋外環境において最高時速17.5 m/sの高速飛行でも、安定した性能を示した。
• EuRoCデータセットにおいて、S-MSCKFはOKVIS、ROVIO、VINS-MONOを上回り、特に低テクスチャおよび高動的状況下での精度と耐障害性に優れている。
• ステレオ構成により、モーションブラー、照明変化、特徴の喪失に対する耐障害性が顕著に向上した。
• 一時的なCPUスパイクが発生せず、リソース制限のあるプラットフォームにおけるリアルタイム搭載運用に適している。
• オープンソース実装は https://github.com/KumarRobotics/msckf_vio で公開されており、再現性とさらなる研究を可能にしている。