[論文レビュー] Visual-Inertial Odometry-enhanced Geometrically Stable ICP for Mapping Applications using Aerial Robots

Tung Dang, Shehryar Khattak+2 more|arXiv (Cornell University)|Jan 24, 2018

Robotics and Sensor-Based Localization参考文献 19被引用数 5

ひとこと要約

本論文は、時間飛行型深度センサを用いた空中ロボットのための、視覚・慣性オドメトリ（VIオドメトリ）を強化した幾何的安定性を有するICPアルゴリズムを提案する。VIオドメトリを用いて重複度の推定と変換の事前分布を実施し、ICP最適化の前に幾何的安定性のチェックを実施することで、安定したマッピングを実現する。計算コストを最小限に抑えつつマッピング精度を向上させ、ハンズオン、自動走行、完全自律飛行ミッションのすべてにおいて、優れた3次元再構成品質が実証された。

ABSTRACT

This paper presents a visual-inertial odometry-enhanced geometrically stable Iterative Closest Point (ICP) algorithm for accurate mapping using aerial robots. The proposed method employs a visual-inertial odometry framework in order to provide robust priors to the ICP step and calculate the overlap among point clouds derived from an onboard time-of-flight depth sensor. Within the overlapping parts of the point clouds, the method samples points such that the distribution of normals among them is as large as possible. As different geometries and sensor trajectories will influence the performance of the alignment process, evaluation of the expected geometric stability of the ICP step is conducted. It is only when this test is successful that the matching, outlier rejection, and minimization of the error metric ICP steps are conducted and the new relative translation and rotational components are estimated, otherwise the system relies on the visual-inertial odometry transformation estimates. The proposed strategy was evaluated within handheld, automated and fully autonomous exploration and mapping missions using a small aerial robot and was shown to provide robust results of superior quality at an affordable increase of the computational load.

研究の動機と目的

• 屋内や構造物周辺などGPSが利用できない環境における空中ロボットの3次元マッピング精度を向上させること。
• 短距離ToFセンサから得られる条件が悪い深度データに標準ICPを適用した場合の不安定性を解消すること。
• 視覚・慣性オドメトリ（VIO）を強力な事前分布として統合し、ICP最適化を支援および検証すること。
• ICPを開始する前に幾何的安定性を保証することで、不良な解への収束を防ぐこと。
• 不確実性を考慮した計画法を用いて、高品質で最適化されたポーズ推定を用いた完全自律探索とマッピングを可能にすること。

提案手法

• 視覚・慣性オドメトリ（VIO）フレームワークを用いて初期ポーズ変換を推定し、ICPに強力な事前分布を提供する。
• VIOに依存した変換を用いて、連続する深度点群間の重複度を計算し、ICPの適用範囲を関連領域に制限する。
• ICPヘシアン行列の条件数に基づいて、幾何的安定性のチェックを実施し、変換推定が信頼できるかどうかを評価する。
• 重複領域内での法線ベクトルの分布を最大化するようにポイントサンプリングを最適化し、ICPの収束性を向上させる。
• 幾何的安定性テストに合格した場合に限り、ICPアルゴリズムを用いてポイント・トゥ・プレーン誤差を最小化する。
• 安定性テストに失敗した場合は、システムがVIOに依存した変換にフォールバックすることで、安定性を維持する。

実験結果

リサーチクエスチョン

• RQ1 VIOに依存したICPに幾何的安定性のチェックを組み合わせることで、GPS不可環境下の空中ロボットにおける3次元マッピング精度が向上するか？
• RQ2 深度データにノイズが多い、または条件が悪い状況下で、本手法はVIOオンリーマッピングと比較してどのように性能を発揮するか？
• RQ3 ポイントサンプリングにおける法線分布の最大化が、ICPの収束性および精度に与える影響は何か？
• RQ4 幾何的安定性チェックは、曖昧なデータや重複度が低いデータにおいて、ICPの失敗をどのように回避するか？
• RQ5 完全自律探索ミッション中でも、システムは安定的かつ高品質なマッピングを維持できるか？

主な発見

• 本手法は、VIOオンリーマッピングと比較して、特に表面に「二重レイヤー効果」のようなアーチファクトを著しく低減することで、優れた3次元再構成品質を達成した。
• 幾何的安定性チェックにより、条件の悪いデータにおけるICP最適化を的確に特定・回避し、誤ったポーズ推定を防ぐことができた。
• すべてのテストシナリオ（ハンズオン、自動走行、自律飛行）において、ICPの計算時間は1秒未満を維持し、ロボット搭載環境でのリアルタイム実行が可能であることが確認された。
• 12×6.5×2mの屋内環境における自律探索において、障害なしに一貫した安定したポーズ更新を維持した。
• ICP最適化済みマップでは、物体の幾何形状がより正確に再現されており、レオナルド・ダ・ヴィンチ像の鼻の部分がVIO単体よりも良好に再構成された。
• 長時間の自律ミッションにおいても、ICPの不安定性によるシステム障害が一切発生せず、高い耐久性を示した。