[論文レビュー] Submap-based Pose-graph Visual SLAM: A Robust Visual Exploration and Localization System

Weinan Chen, Lei Zhu+3 more|arXiv (Cornell University)|Jul 3, 2018

Robotics and Sensor-Based Localization参考文献 7被引用数 5

ひとこと要約

本論文は、マルチ制約フロントエンドとサブマップベースバックエンドを用いて、テクスチャレスな環境やモーションブラーといった困難な視覚条件下でも耐障害性を向上させる、サブマップベースのポーズグラフ視覚SLAMシステムを提案する。システムはサブマップ切り替えとループクロージャーマージを用いて連続的なトラッキングを維持し、再局在化において65.8%のトラッキング率と0.312のATE RMSEを達成し、故障しやすい状況下でも最先端の手法を上回る耐障害性と精度を示した。

ABSTRACT

For VSLAM (Visual Simultaneous Localization and Mapping), localization is a challenging task, especially for some challenging situations: textureless frames, motion blur, etc.. To build a robust exploration and localization system in a given space or environment, a submap-based VSLAM system is proposed in this paper. Our system uses a submap back-end and a visual front-end. The main advantage of our system is its robustness with respect to tracking failure, a common problem in current VSLAM algorithms. The robustness of our system is compared with the state-of-the-art in terms of average tracking percentage. The precision of our system is also evaluated in terms of ATE (absolute trajectory error) RMSE (root mean square error) comparing the state-of-the-art. The ability of our system in solving the `kidnapped' problem is demonstrated. Our system can improve the robustness of visual localization in challenging situations.

研究の動機と目的

• テクスチャレス、モーションブラー、低照度といった条件下で単眼VSLAMにおける視覚トラッキング失敗の課題に対処すること。
• トラッキング失敗が発生しても継続的な動作を維持できるように、繰り返しの屋内探索における局在化の耐障害性を向上させること。
• 独創的な探索終了条件を用いて構築された密度的でトポロジカルに完全な地図により、『キッドnap』状況後の信頼性の高い再局在化を可能にすること。
• 複数の制約（トラッキングおよびループクロージャー）をサブマップベースのポーズグラフバックエンドに統合することで、精度とグラフ最適化を向上させること。
• 実用的な屋内ナビゲーション用途に適した、高い完全性と耐障害性を備えた密度的探索が可能なシステムを開発すること。

提案手法

• 視覚オドメトリ（VO）とBag-of-Words（BoW）モデルを用いた場所認識を統合したマルチ制約フロントエンドを採用し、トラッキングエッジとループクロージャーエッジを同時に生成する。
• 単一のグローバルグラフではなく、複数のローカルサブグラフを維持するサブマップベースバックエンドを採用し、グローバルトラッキングに失敗してもサブマップ内でのトラッキング継続を可能にする。
• サブマップマージ時の耐障害性を向上させ、最適化誤差を低減するために、ループクロージャーエッジにスイッチ可能な要因を適用する。
• 頂点密度に基づく探索終了条件を導入し、トポロジカル完全性を確保するとともに無限探索を防ぐ。
• 特徴ベースの相対ポーズ推定とBoWベースの場所認識を用いて、高いキーフレーム密度を持つ密度的でグローバルに一貫性のある地図を構築する。
• 複数の制約を統合したポーズグラフ上でグラフ最適化を実行し、カメラポーズ推定を精緻化し、軌道精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 テクスチャレスな壁やモーションブラーといった困難な視覚条件下で、サブマップベースバックエンドが単眼VSLAMにおけるトラッキング耐障害性を顕著に向上させ得るか？
• RQ2 フロントエンドにおける複数の制約（トラッキングおよびループクロージャー）の統合が、視覚SLAMシステムの精度と安定性にどのように影響を与えるか？
• RQ3 提案手法は、密度的でサブマップ構造を持つ地図を用いて、トラッキング失敗や『キッドナップ』状況からの回復をどの程度効果的に可能にするか？
• RQ4 提案された探索終了条件は、密度的探索における地図完全性と計算効率の両立を効果的に実現できるか？
• RQ5 同じ評価条件下で、ORB-SLAMなどの最先端VSLAMシステムと比較して、本システムのATE RMSEおよびトラッキング率のパフォーマンスはどの程度優れているか？

主な発見

• 提案システムは、再局在化データセットにおいて65.8%のトラッキング率と0.312のATE RMSEを達成し、フレームレートが低いにもかかわらずORB-SLAMを耐障害性面で上回った。
• トラッキング失敗後も新しいサブマップに切り替えることで、継続的な動作を維持でき、トラッキング喪失に対するレジリエンスを示した。
• サブマップベースバックエンドにより、サブマップサイズの増加に伴う性能劣化が抑制され、異なるサブマップ数においても安定したRMSE値が得られた。
• マルチ制約フロントエンドにより最適化エッジの数が増加し、単一制約システムと比較して精度が向上し、ATE RMSEが低減した。
• 提案された終了条件を用いて構築されたトポロジカルに密度のある地図により、任意の視点から再局在化が可能となり、『キッドナップ』問題を効果的に解決した。
• 平均フレームレートは3.0 fpsであり、ループクロージャー検出の処理が重いためORB-SLAMより低いが、特徴ベースのフロントエンドにより、直接的なトラッキング失敗時でも継続的なトラッキングが保証された。