[論文レビュー] Visual-Inertial Odometry of Aerial Robots

Davide Scaramuzza, Zichao Zhang|arXiv (Cornell University)|Jun 7, 2019

Robotics and Sensor-Based Localization参考文献 36被引用数 53

ひとこと要約

この百科事典の章は空中ロボットの Visual-Inertial Odometry (VIO) をレビューし、カメラと IMU がどのように融合して姿勢、速度、バイアスを推定するかを詳述し、結合型と分離型のスキーム、スムージングとフィルタリングのアプローチに重点を置く。

ABSTRACT

Visual-Inertial odometry (VIO) is the process of estimating the state (pose and velocity) of an agent (e.g., an aerial robot) by using only the input of one or more cameras plus one or more Inertial Measurement Units (IMUs) attached to it. VIO is the only viable alternative to GPS and lidar-based odometry to achieve accurate state estimation. Since both cameras and IMUs are very cheap, these sensor types are ubiquitous in all today's aerial robots.

研究の動機と目的

• GPSが使用不能な、または難しい環境における空中ロボットの頑健な状態推定を動機付ける。
• カメラとIMUの補完的な役割と、それらの融合がなぜ頑健性を向上させるかを説明する。
• VIOアーキテクチャ（緩結合、密結合）と推定パラダイム（フィルタリング、固定遅延平滑化、全平滑化）を特徴づける。
• カメラ-IMUのキャリブレーション、同期、オンライン／自己キャリブレーションの重要性について論じる。
• 入手可能なオープンソースのモノキュラ VIO システムと空中ロボティクスにおける実用上の考慮事項を強調する。

提案手法

• VIOの状態表現と、カメラ投影とIMU運動学の標準的な測定モデルを説明する。
• 視覚データと慣性データの緩結合融合と密結合融合を区別する。
• フィルタリング、固定遅延平滑化、全平滑化という3つの主要なVIOパラダイムを説明し、それらの精度と計算量のトレードオフを含む。
• 高率IMUデータを効率的に処理するためのリアルタイム平滑化バックエンド向けのIMUプレインテグレーションについて論じる。
• Kalibr のようなツールを用いた外部パラメータと時間オフセットのオンラインキャリブレーションについて論じる。
• 代表的なモノキュラVIOパイプライン（MSCKF、OKVIS、ROVIO、VINS-Mono、SVO+MSF、SVO+GTSAM）とそれらの特徴を総括する。

実験結果

リサーチクエスチョン

• RQ1 主要な VIO アーキテクチャは何か、空中ロボットにおいて精度と計算量をどのようにトレードオフするのか。
• RQ2 カメラ-IMU キャリブレーションと同期は、UAV アプリケーションにおける VIO の性能にどのように影響するか。
• RQ3 全平滑化、固定遅延平滑化、またはフィルタリングを用いることが、VIOの精度と頑健性にどのような影響を及ぼすか。
• RQ4 飛行ロボットにおける姿勢推定品質とリアルタイム性能の観点から、オープンソースのモノキュラ VIO システムはどう比較されるか。

主な発見

• VIO はカメラ画像とIMUデータを組み合わせて姿勢・速度・センサーバイアスを推定し、重力を利用してスケールを単一のIMUで解決する。
• 密結合融合は、 raw measurements のより良い活用のため、一般に緩結合融合より高い精度をもたらす。
• 全平滑化は最高の精度を提供するが計算コストが高い。固定遅延平滑化はバランスを提供する。フィルターは最も効率的だがドリフトが蓄積する可能性がある。
• IMUプレインテグレーションは更新間のIMU測定を再利用してリアルタイム平滑化バックエンドを可能にする。
• Camera-IMUの空間的・時間的キャリブレーションは重要であり、Kalibrはオフラインおよびオンラインの両方のキャリブレーションに広く用いられるツールボックスである。
• いくつかのオープンソースモノキュラVIOパイプライン（MSCKF、OKVIS、ROVIO、VINS-Mono、SVO+MSF、SVO+GTSAM）が存在し、特徴、最適化バックエンド、ステレオ/モノの有無にトレードオフがある。