[論文レビュー] Targetless Calibration of LiDAR-IMU System Based on Continuous-time Batch Estimation

Jiajun Lv, Jinhong Xu+3 more|arXiv (Cornell University)|Jul 29, 2020

Robotics and Sensor-Based Localization参考文献 30被引用数 5

ひとこと要約

本稿では、Bスプラインでパrameter化された連続時間バッチ推定とサーフェルベースのデータアソシエーションを用いた、ターゲットレスなLiDAR-IMUキャリブレーション手法LI-Calibを提案する。構造的環境において、IMUの原始測定値とLiDARの点群からサーフェルへの残差を同時に最小化することで、実世界の実験でミリメートル未満の並進誤差と1度未塔の回転誤差を達成し、高い精度と再現性を示した。また、オープンソースコードも提供されている。

ABSTRACT

Sensor calibration is the fundamental block for a multi-sensor fusion system. This paper presents an accurate and repeatable LiDAR-IMU calibration method (termed LI-Calib), to calibrate the 6-DOF extrinsic transformation between the 3D LiDAR and the Inertial Measurement Unit (IMU). % Regarding the high data capture rate for LiDAR and IMU sensors, LI-Calib adopts a continuous-time trajectory formulation based on B-Spline, which is more suitable for fusing high-rate or asynchronous measurements than discrete-time based approaches. % Additionally, LI-Calib decomposes the space into cells and identifies the planar segments for data association, which renders the calibration problem well-constrained in usual scenarios without any artificial targets. We validate the proposed calibration approach on both simulated and real-world experiments. The results demonstrate the high accuracy and good repeatability of the proposed method in common human-made scenarios. To benefit the research community, we open-source our code at \url{https://github.com/APRIL-ZJU/lidar_IMU_calib}

研究の動機と目的

• 人工的なターゲットや追加センサを必要としない、高精度で再現性の高いLiDAR-IMUキャリブレーション手法の開発。
• 動的環境における高レートまたは非同期なLiDARとIMUの測定値をキャリブレートする課題への対処。
• サーフェル表現と適応的平面性閾値を用いることで、キャリブレーションにおけるデータアソシエーションの信頼性を向上。
• 平面構造からの幾何的制約を活用することで、一般的な人為的環境においてキャリブレーション問題が適切に制約されることを保証。
• ロボティクスおよびビジョン研究コミュニティの恩恵を受けるため、完全にオープンソースのキャリブレーションツールボックスの提供。

提案手法

• 本手法は、LiDAR-IMUシステムの連続時間的軌道をBスプラインでパラメータライズすることで、任意の時刻における正確なポーズ推定を可能にする。
• 連続時間バッチ最適化フレームワーク内で、IMUの原始測定値（加速度と角速度）の残差と、点群からサーフェルへの距離の残差を同時に最小化する。
• 点群をサーフェル（小さな平面）に離散化し、LiDARの点とそれに対応するサーフェル間のデータアソシエーションを実施することで、耐障害性を向上。
• 二段階のしきい値戦略を適用：初期の平面性しきい値は0.6、運動補償後に0.7に引き上げることでサーフェルマップの精錬を図る。
• 最初のイテレーションではNDTベースのLiDARオドメトリを用いて初期のサーフェルマップと運動補正済み点群を生成する。
• 高動的な運動に対応するため、0.02秒のノット間隔を用いることで、十分な時間分解能を確保し、正確な軌道表現を実現。

実験結果

リサーチクエスチョン

• RQ1 ターゲットレスなLiDAR-IMUキャリブレーション手法は、人工マークや追加センサを一切不要としながら、実世界の構造的環境で高い精度と再現性を達成できるか？
• RQ2 Bスプラインによる連続時間軌道モデリングは、高レートまたは非同期なセンサデータにおいて、離散時間補間手法と比較してどのようにキャリブレーション精度を向上させるか？
• RQ3 サーフェルベースのデータアソシエーションは、従来のポイント・トゥ・プレーンやポイント・トゥ・モデル手法と比較して、キャリブレーションの耐障害性と収束性をどの程度向上させるか？
• RQ4 運動補償後のサーフェルマップと平面性しきい値の反復的精錬は、キャリブレーション精度と収束性にどのような影響を及ぼすか？
• RQ5 初期のLiDARオドメトリの品質が最終的なキャリブレーション性能に与える影響は何か？また、その影響をどのように軽減できるか？

主な発見

• 10の実世界シーケンスにわたるモーションキャプチャシステムとの比較で、平均絶対軌道誤差（ATE）は0.0183 mを達成した。
• 屋内環境では、最終的なキャリブレーション差は並進方向で0.0017 m（1.7 mm）、ヨー回転方向で0.67°以内であり、高い再現性を示した。
• IMU間の相対ポーズに関しては、CAD基準との差が並進方向で2 mm未塔、回転方向で1°未塔であり、高精度を確認した。
• 最初のイテレーションと2回目のイテレーションの間に顕著な改善が見られ、運動補正によるサーフェルマップと対応関係の品質向上が要因であると考察された。
• 約4回のイテレーション後、キャリブレーション結果は収束し、安定した状態を維持しており、良好な収束特性を示した。
• 特に回転推定において、異なるシーケンス間で高い再現性を示し、構造的で人為的な環境でも良好に動作した。