[論文レビュー] Toward Underground Localization: Lidar Inertial Odometry Enabled Aerial Robot Navigation

Jiun Fatt Chow, Başaran Bahadır Koçer+5 more|arXiv (Cornell University)|Oct 29, 2019

Robotics and Sensor-Based Localization参考文献 17被引用数 7

ひとこと要約

本論文は、GPS非利用の地下環境における自律飛行ドローンのナビゲーションを目的として、水平方向の局所化に2次元LiDAR、垂直方向の高度測定に1次元TFMini LiDAR、姿勢安定化にIMUを用いたLiDAR-IMUオドメトリーシステムを提案する。実飛行実験において、Hector SLAMは動的飛行条件下でも精度と耐障害性に優れ、3次元局所化誤差が20cm未塔を達成した。GmappingやCartographerを上回った性能を示した。

ABSTRACT

Localization can be achieved by different sensors and techniques such as a global positioning system (GPS), wifi, ultrasonic sensors, and cameras. In this paper, we focus on the laser-based localization method for unmanned aerial vehicle (UAV) applications in a GPS denied environment such as a deep tunnel system. Other than a low-cost 2D LiDAR for the planar axes, a single axis Lidar for the vertical axis as well as an inertial measurement unit (IMU) device is used to increase the reliability and accuracy of the localization performance. We present a comparative analysis of the three selected laser-based simultaneous localization and mapping(SLAM) approaches:(i) Hector SLAM; (ii) Gmapping; and(iii) Cartographer. These algorithms have been implemented and tested through real-world experiments. The results are compared with the ground truth data and the experiments are available at https://youtu.be/kQc3mJjw_mw.

研究の動機と目的

• GPS非利用の地下環境、特に深さのあるトンネルシステムのような環境において、航空機ロボットの信頼性の高い3次元局所化を実現すること。
• 異なる飛行ダイナミクス下で、3つのレーザー基盤SLAMアルゴリズム（Hector SLAM、Gmapping、Cartographer）の性能を評価すること。
• 2次元LiDARとIMUに加えて、1次元LiDAR（TFMini）を統合し、垂直方向の姿勢推定を実現することで、完全な6自由度（6-DoF）局所化を達成すること。
• モーションキャプチャ環境における真値データと比較して、システムの精度を検証するとともに、リアルタイム処理の可能性を実証すること。
• 低コスト・軽量センサを用いた自律トンネル点検に最適なSLAMフレームワークを同定すること。

提案手法

• 2次元LiDAR（RPLidar A1）、垂直高度用1次元LiDAR（TFMini）、およびインertial状態推定用IMUを搭載したカスタム航空機ロボットプラットフォームを導入した。
• ROSを用いて3つのSLAMアルゴリズム（Hector SLAM、Gmapping、Cartographer）を実装・比較し、オフボードデータ処理を用いて性能ベンチマークを実施した。
• 2次元LiDARスキャンとIMUデータを融合してドローンのピッチ・ロールを補正し、スキャンの整合性を向上させ、ドリフトを低減した。
• TFMini 1次元LiDARのデータを統合し、垂直位置を推定した。センサがドローンの重心からずれているため、有効範囲下限は0.38mであった。
• 姿勢誤差の計算に真値としてモーションキャプチャシステムを用い、3次元空間におけるRMSEを算出した：$ D = \sqrt{(x_t - x_e)^2 + (y_t - y_e)^2 + (z_t - z_e)^2} $。
• Intel NUC上でリアルタイム処理が可能な4つの飛行軌道（通常・高速の円形軌道および8の字軌道）を用いたリアルタイム搭載実験を実施した。

実験結果

リサーチクエスチョン

• RQ1 GPS非利用環境下における航空機ロボットの3次元局所化において、Hector SLAM、Gmapping、Cartographerという3つのレーザー基盤SLAMアルゴリズムの中で、どれが最も正確かつ耐障害性に優れているか？
• RQ2 2次元LiDARとIMUに加えて1次元LiDAR（TFMini）を統合することで、垂直姿勢推定および全体の6自由度（6-DoF）局所化精度はどのように向上するか？
• RQ3 制御された屋内環境下で、飛行速度の変化が各SLAMアルゴリズムの局所化誤差に与える影響は何か？
• RQ4 リアルタイム搭載処理制約下でも、多様な飛行軌道において、システムが3次元局所化誤差を20cm未塔に維持できるか？
• RQ5 現在のセンサ統合手法の限界、特に高度推定におけるブラインドスポットについて、どのような点が問題となるか？

主な発見

• Hector SLAMは全テストシナリオにおいて平均3次元移動誤差が18.04cmと最低となり、GmappingやCartographerを上回る精度を示した。
• Hector SLAMのRMSEは全実飛行実験で20cm未塔を維持し、それぞれ19.08cm（円形通常）、18.85cm（円形高速）、17.27cm（8の字通常）、17.69cm（8の字高速）であった。
• Gmappingは高い誤差（高速円形飛行時で最大196.31cm）を示し、高速飛行時には失敗した。これは動的飛行に対する耐障害性が低いことを示している。
• Cartographerは計算時間が最も速く、一貫した性能を示したが、本設定ではHector SLAMに比べて精度が劣った。
• 1次元LiDAR（TFMini）は、センサのオフセットのため、0.38m未塔にブラインドゾーンが生じ、非常に低い高度での信頼性の高い高度推定が制限された。
• 2次元LiDAR、1次元LiDAR、IMUのセンサ統合により、リアルタイムでの6自由度（6-DoF）姿勢推定が可能となり、3次元局所化誤差が20cm未塔の精度を達成した。これにより、トンネル点検用途へのシステム実現可能性が裏付けられた。