[論文レビュー] Tightly Coupled Optimization-based GPS-Visual-Inertial Odometry with Online Calibration and Initialization

Shihao Han, Feiyang Deng+2 more|arXiv (Cornell University)|Mar 5, 2022

Robotics and Sensor-Based Localization被引用数 8

ひとこと要約

本論文では、視覚再投影誤差、IMU事前統合、および新しいGPS残差を同時に最小化することで、長期運用におけるトラジェクトリードリフトを低減する、最適化に基づくGPS-視覚慣性オドメトリーシステムを提示する。GPS-IMU外挿パラメータおよび時間オフセットのオンラインキャリブレーションに加え、高速な初期化手法を導入し、EuRoCおよびKAISTデータセットで優れた性能を発揮し、視覚的またはGPS信号の喪失に対しても耐性がある。

ABSTRACT

In this paper, we present a tightly coupled optimization-based GPS-Visual-Inertial odometry system to solve the trajectory drift of the visual-inertial odometry especially over long-term runs. Visual reprojection residuals, IMU residuals, and GPS measurement residuals are jointly minimized within a local bundle adjustment, in which we apply GPS measurements and IMU preintegration used for the IMU residuals to formulate a novel GPS residual. To improve the efficiency and robustness of the system, we propose a fast reference frames initialization method and an online calibration method for GPS-IMU extrinsic and time offset. In addition, we further test the performance and convergence of our online calibration method. Experimental results on EuRoC datasets show that our method consistently outperforms other tightly coupled and loosely coupled approaches. Meanwhile, this system has been validated on KAIST datasets, which proves that our system can work well in the case of visual or GPS failure.

研究の動機と目的

• 視覚慣性オドメトリ（VIO）における長期的トラジェクトリードリフトを解消するため、GPS測定値を最適化フレームワークに直接統合すること。
• GPS-IMU外挿パラメータおよび時間オフセットのオンラインキャリブレーションを通じて、システムの耐性および効率を向上させること。
• 動的環境下での収束を加速するための高速な基準フレーム初期化手法を開発すること。
• 視覚的またはGPS信号の劣化下でのシステムの性能および収束性を検証すること。
• 視覚的、慣性的、GPS測定値を統合するタイトな最適化フレームワークの有効性を実証すること。

提案手法

• GPS測定値とIMU事前統合を組み合わせた新しいGPS残差を定式化し、最適化プロセスにおけるタイトな結合を可能にする。
• 視覚再投影誤差、IMU事前統合残差、および提案されたGPS残差を同時に最小化する局所的バンドル調整を実行する。
• スライディングウインドウ最適化フレームワークを用いて、GPS-IMU外挿パラメータおよび時間オフセットのオンラインキャリブレーション手法を導入する。
• システム起動時の収束を加速するための高速な基準フレーム初期化技術を採用する。
• 視覚的、慣性的、GPS測定値を統一されたコスト関数に統合するタイトな最適化フレームワークを用いる。
• EuRoCおよびKAISTデータセットを用いて、センサ障害を含む多様な条件下でのシステムの性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 GPS、視覚的、慣性的測定値を統合するタイトな最適化フレームワークは、VIOにおける長期的トラジェクトリードリフトを顕著に低減できるか？
• RQ2 IMU事前統合と組み合わせた提案された新しいGPS残差定式化は、推定精度の向上にどの程度効果的か？
• RQ3 GPS-IMU外挿パラメータおよび時間オフセットのオンラインキャリブレーションは、システムの耐性向上および初期化遅延の低減に寄与するか？
• RQ4 KAISTデータセットを用いて、視覚的またはGPS信号の劣化下でのシステムの性能はいかがなっているか？
• RQ5 実環境下での、提案されたオンラインキャリブレーション手法の収束特性および精度はどのようなものか？

主な発見

• 提案されたシステムは、EuRoCデータセットにおいて、タイトおよびルーズな結合手法を問わず一貫して優れた性能を示し、より高いトラジェクトリーアクキュラシーを達成した。
• KAISTデータセットを用いた検証により、視覚的またはGPS信号の喪失下でもシステムが頑健に動作することが確認され、センサ障害に対する耐性が裏付けられた。
• オンラインキャリブレーション手法は信頼性高く収束し、GPS-IMU外挿および時間オフセットの誤差を補正することで推定精度を向上させた。
• 高速な初期化手法により、従来の初期化手法と比較して収束時間が顕著に短縮された。
• 新しいGPS残差定式化により、長期運用におけるドリフト補正能力が向上した。
• GPS、視覚的、慣性的測定値のタイトな結合により、他の統合戦略に比べてより一貫性があり正確なトラジェクトリーエstimatationが実現された。