[論文レビュー] Visual-Inertial Localization for Skid-Steering Robots with Kinematic Constraints

Xingxing Zuo, Mingming Zhang+4 more|arXiv (Cornell University)|Nov 13, 2019

Robotics and Sensor-Based Localization被引用数 4

ひとこと要約

本稿では、一時的中心回転（ICR）ダイナミクスを用いて時間変動する運動制約を明示的にモデル化し、ナビゲーション状態とともにオンラインで推定する、スライドステアリングロボット向けの密結合型ビジュアルインertial局所化システムを提案する。ICRに基づく運動パラメータをスライディングウィンドウバニラ調整フレームワークに統合することで、3次元局所化精度が著しく向上し、屋外および屋内シナリオにおいて最大10倍の誤差低減が達成された。特にGPSが利用不可または劣化している状況で顕著な改善が見られた。

ABSTRACT

While visual localization or SLAM has witnessed great progress in past decades, when deploying it on a mobile robot in practice, few works have explicitly considered the kinematic (or dynamic) constraints of the real robotic system when designing state estimators. To promote the practical deployment of current state-of-the-art visual-inertial localization algorithms, in this work we propose a low-cost kinematics-constrained localization system particularly for a skid-steering mobile robot. In particular, we derive in a principle way the robot's kinematic constraints based on the instantaneous centers of rotation (ICR) model and integrate them in a tightly-coupled manner into the sliding-window bundle adjustment (BA)-based visual-inertial estimator. Because the ICR model parameters are time-varying due to, for example, track-to-terrain interaction and terrain roughness, we estimate these kinematic parameters online along with the navigation state. To this end, we perform in-depth the observability analysis and identify motion conditions under which the state/parameter estimation is viable. The proposed kinematics-constrained visual-inertial localization system has been validated extensively in different terrain scenarios.

研究の動機と目的

• 実ロボットプラットフォーム向けに、既存のビジュアルインエラスSLAMシステムにおける運動制約の明示的モデル化の欠如に対処する。
• 地形との相互作用や機械的不具合に起因する時間変動するICRに基づく運動パラメータをモデル化することで、スライドステアリングロボットの局所化精度を向上させる。
• GPS不使用環境でも、低コストセンサ（カメラ、IMU、ホイールエンコーダ）を用いて、堅牢でリアルタイムな3次元局所化を実現する。
• 一般の運動条件下での運動パラメータの可観測性を理論的分析により保証する。
• 屋内および屋外の多様な地形タイプ、GPS有無を問わず、20の異なるシーケンスを用いてシステムを検証する。

提案手法

• ロボット本体、左トラック、右トラックの各々について、一時的中心回転（ICR）を用いてスライドステアリングロボットの運動をモデル化し、非ホロノミック制約を捉える。
• スリップや地形の粗さを考慮して、時間変動する運動パラメータ（例：ICR位置、スケール要因）を定式化する。
• ビジュアル、インエラス、オドメトリの測定値を統合的に最適化するため、ICRに基づく運動制約を密結合型スライディングウィンドウバニラ調整（BA）推定器に統合する。
• BAフレームワークを用いて、姿勢や速度と同様に、運動パラメータをリアルタイムでオンライン推定し、状態変数として扱う。
• 一般の運動条件下での可観測性を保証するための可観測性解析を実施し、特にIMUデータが利用可能な場合に有効であることを示す。
• 地上切片としてRTK-GPSを用いたデュアルロボットセット（Clearpath Jackal）を用い、20の多様なシーケンスで性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 時間変動するICRに基づく運動パラメータのオンライン推定は、スライドステアリングロボットのビジュアルインエラス局所化精度を向上させ得るか？
• RQ2 スライドステアリングロボットの運動パラメータは、どのような運動条件下でビジュアルインエラス推定フレームワーク内で可観測となるか？
• RQ3 本手法は、運動制約を無視または近似するベースライン手法と比較して、GPS不使用環境下でどのように性能を発揮するか？
• RQ4 ICRモデルの導入により、長期間にわたる局所化におけるドリフトはどの程度低減されるか？
• RQ5 多様な地形条件および初期パラメータの不確実性下でも、システムは正確かつ一貫性のある運動パラメータ推定を維持できるか？

主な発見

• 提案手法は、20の代表的シーケンスにおいて最終的なドリフトを最大10倍まで低減した。屋内および屋内両環境で顕著な改善が得られた。
• GPS利用可能なシーケンスでは、ルート・マンスリー・スクエア・エラー（RMSE）が、運動制約モデルなしの状態で9.41mであったのを、オンライン推定によるξの適用で0.82mにまで低減した（シーケンスCP01-2019-04-19-15-42-40）。
• 初期推定値が悪くとも、運動パラメータは急速に正しい値に収束し、時間経過とともに不確実性の範囲（エンvelope）が著しく狭まる。
• 可観測性解析により、一般の運動条件下では運動パラメータが局所的に可観測であることが確認されたが、IMUデータが欠落すると可観測性が失われる。
• オンラインICRパラメータ推定による軌道推定値は、RTK-GPSの地上切片をよく追従しており、視覚的比較（図5）でも顕著に確認された。特に複雑な地形を含む挑戦的シーケンスで顕著な性能向上が得られた。
• 平坦、不整、不規則な表面を含む多様な地形においても、本手法は堅牢性を示し、実用的展開の有効性を裏付けた。