[論文レビュー] VIO-UWB-Based Collaborative Localization and Dense Scene Reconstruction within Heterogeneous Multi-Robot Systems

Jorge Peña Queralta, Qingqing Li+2 more|arXiv (Cornell University)|Nov 2, 2020

Robotics and Sensor-Based Localization被引用数 15

ひとこと要約

本稿では、GNSS不使用環境において高精度でリアルタイムな密度の高いシーン再構築を可能にする、異種のUGV+MAVシステムを対象としたUWB-VIOベースの協調位置決めフレームワークを提示する。UWB距離測定とVIOを融合して相対姿勢を推定し、LiDARを用いた視野（FoV）および視線（LoS）制約を新しいDMTSPN定式化に組み込むことで、グローバル剛性とロバストな位置決めを確保した。シミュレーションおよび実環境実験により、生データレベルでの点群が整合していることが検証された。

ABSTRACT

Effective collaboration in multi-robot systems requires accurate and robust estimation of relative localization: from cooperative manipulation to collaborative sensing, and including cooperative exploration or cooperative transportation. This paper introduces a novel approach to collaborative localization for dense scene reconstruction in heterogeneous multi-robot systems comprising ground robots and micro-aerial vehicles (MAVs). We solve the problem of full relative pose estimation without sliding time windows by relying on UWB-based ranging and Visual Inertial Odometry (VIO)-based egomotion estimation for localization, while exploiting lidars onboard the ground robots for full relative pose estimation in a single reference frame. During operation, the rigidity eigenvalue provides feedback to the system. To tackle the challenge of path planning and obstacle avoidance of MAVs in GNSS-denied environments, we maintain line-of-sight between ground robots and MAVs. Because lidars capable of dense reconstruction have limited FoV, this introduces new constraints to the system. Therefore, we propose a novel formulation with a variant of the Dubins multiple traveling salesman problem with neighborhoods (DMTSPN) where we include constraints related to the limited FoV of the ground robots. Our approach is validated with simulations and experiments with real robots for the different parts of the system.

研究の動機と目的

• GNSS不使用環境で動作する異種マルチロボットシステムにおける協調位置決めの課題に対処すること。
• UGVのLiDARとMAVの深度カメラからのデータを統合することで、相対姿勢の精度を維持したまま、密度の高い3次元シーン再構築を可能にすること。
• UGVとMAV間の継続的な視線（LoS）および視野（FoV）制約を確保し、安定したUWB距離測定と位置決めを支援すること。
• UGVのLiDARによる視野制限に起因する遮蔽を形式的にモデル化し、MAVの経路計画に統合することで、実世界への適用性を高める新しいDMTSPN定式化を開発すること。
• モーションキャプチャや固定アンカー系に依存せずに、生データレベルでの高精度な点群整合を達成すること。

提案手法

• 共通の参照フレーム内において、UWBによる距離測定とVIOによる自己移動推定を活用し、UGVとMAV間の相対姿勢を推定する。
• UGVに搭載されたオンボードLiDARを用いてMAVの位置を検出し、運用中に視線（LoS）を維持することで、UWB通信の信頼性を確保する。
• 位置決めグラフにおけるグローバル剛性の維持を監視・制御するため、剛性固有値フィードバック機構を導入する。
• UGVのLiDARによる視野制限を組み込んだ、ダビンス複数旅行販売員問題の変種（DMTSPN）を定式化する。
• DMTSPNにおける「近傍領域」を障害物に起因する遮蔽領域として定義し、環境内でのLiDARの「影」にマッピングする。
• UGVとMAV間の視線（LoS）制約をDMTSPNソルバーに統合し、継続的な可視性と安定した位置決めを保証する。

実験結果

リサーチクエスチョン

• RQ1 モーションキャプチャや固定アンカーに依存せずに、異種UGV+MAVシステムにおける協調位置決めをどのように達成できるか。
• RQ2 UWBとVIOの融合は、GNSS不使用環境においてどの程度高精度かつリアルタイムな相対姿勢推定を可能にするか。
• RQ3 UGVのLiDARによる視野制限をどのように形式的にモデル化し、MAVの経路計画に統合して可視性と位置決め精度を維持できるか。
• RQ4 視野（FoV）および視線（LoS）制約を組み込んだ変更版DMTSPN定式化は、協調的シーン再構築のロバスト性と実世界適用性を向上させられるか。
• RQ5 本提案フレームワークを用いて、UGVとMAVの生データレベルでの点群をどの程度高精度に整合できるか（後処理を要しない）。

主な発見

• 提案されたUWB-VIO位置決めフレームワークにより、実験により検証されたように、単一の共通参照フレーム内での高精度な相対姿勢推定が可能となった。
• 本システムは、UGVとMAV間の継続的な視線（LoS）および視野（FoV）制約を維持しており、安定したUWB距離測定とグラフ剛性を確保した。
• シミュレーションでは、FoV制約付きのDMTSPN定式化が、ベースラインのDMTSPNとは異なり、UGVがMAVを視野内から失うのを効果的に防止することが示された。
• 実環境実験では、UGVのLiDARとMAVの深度カメラから得られる生の点群が、生データレベルで良好に整合しており、高い位置決め精度を示した。
• 10 Hzの位置決め周波数は、視線内に約20台のロボットまでスケーラブルであることを示しており、帯域制限内での実用性を裏付けた。
• 本システムにより、MAVは高精度でリアルタイムなUGV提供の位置決めおよび経路計画データを活用して、複雑で動的な環境でも運用可能となり、オンボードセンシングに依存するのを軽減した。