[論文レビュー] Visual SLAM-based Localization and Navigation for Service Robots: The Pepper Case

Cristopher Gómez, Matías Mattamala+2 more|arXiv (Cornell University)|Nov 20, 2018

Robotics and Sensor-Based Localization参考文献 15被引用数 6

ひとこと要約

本稿では、Pepperロボットのための視覚的SLAMベースの局所化およびナビゲーションシステムを提示する。短距離LIDARおよびRGB-Dセンサの制限を克服するため、ORB-SLAMとホイールオドメトリを融合することで、大規模環境でもメトリックな局所化を可能にする。本システムは、実環境、特に大規模な屋内ホールにおいても、オドメトリの融合によるメトリックスケールの回復とトラッキング安定性の向上により、堅牢で継続的な局所化とナビゲーションを実現した。良好に構築された地図においては、最小限のずれで中規模および大規模環境での実用性を示した。

ABSTRACT

We propose a Visual-SLAM based localization and navigation system for service robots. Our system is built on top of the ORB-SLAM monocular system but extended by the inclusion of wheel odometry in the estimation procedures. As a case study, the proposed system is validated using the Pepper robot, whose short-range LIDARs and RGB-D camera do not allow the robot to self-localize in large environments. The localization system is tested in navigation tasks using Pepper in two different environments: a medium-size laboratory, and a large-size hall.

研究の動機と目的

• Pepperロボットが短距離LIDARおよびRGB-Dカメラによる制限を受ける中で、大規模環境において自己局所化ができない問題に対処すること。
• Pepperが搭載する既存のセンサのみを用いて、大規模な屋内環境におけるメトリックな局所化と継続的なナビゲーションを可能にすること。
• モノクローラ視覚SLAMにおけるスケールのあいまいさを、ORB-SLAMとホイールオドメトリを融合させることでメトリックな一貫性を確保すること。
• 実環境において、中規模のラボおよび大規模なホールを含む状況下で、システムの妥当性を検証すること。

提案手法

• オープンソースのORB-SLAMモノクローラSLAMシステムを拡張し、最適化フレームワークにホイールオドメトリ測定値を統合する。
• 要因グラフの定式化を用いて、カメラの姿勢、3次元ランドマーク、オドメトリ状態を同時に最適化し、予測観測値と測定値の誤差を最小化する。
• 非線形最小二乗最適化（式1）を適用し、再投影誤差およびオドメトリ誤差を最小化する状態ベクトルを推定する。
• カメラとオドメトリフレーム間の初期相対移動に基づくスケール回復メカニズムを採用し、固定数のキーフレームを用いてスケール係数を推定する。
• 額のRGBカメラ（640×480）とNAOqiミドルウェアから内部的に計算されたオドメトリを用い、外部センサに依存しない。
• ハイブリッド局所化戦略を実装：特徴点が追跡可能であれば視覚SLAM、視覚追跡に失敗した場合はオドメトリのみに切り替え、継続的なポーズ推定を確保する。

実験結果

リサーチクエスチョン

• RQ1 ホイールオドメトリの融合を施したモノクローラ視覚SLAMシステムは、Pepperのネイティブセンサが機能しない大規模な屋内環境において、信頼性の高いメトリックな局所化を実現できるか？
• RQ2 ホイールオドメトリとORB-SLAMを融合させることで、視覚追跡の失敗やスケールのあいまいさに対する耐性がどのように向上するか？
• RQ3 実環境の大規模な環境（ホールやラボ）における、局所化の精度とナビゲーション成功確率の性能はいかほどか？
• RQ4 環境の変化（例：照明の変化、移動する家具）が、システムの耐性およびずれの蓄積に与える影響は？
• RQ5 Pepperのカメラの狭い視野角が、ポーズ推定の精度とマップ品質にどの程度影響を与えるか？

主な発見

• 本システムは、Meccanotronicsラボおよび大規模な南ホールにおいて、Pepperが自律的にナビゲートできることを実証し、実環境の大規模環境における実用性を示した。
• Meccanotronicsラボでは、275～350秒の間で最大1.5メートルの局所化ずれが観測されたが、これはマッピング時の視点の多様性が不足していたことが原因とされた。
• 南ホールでは、Z軸の局所化推定に最大1.2メートルの大きな不連続性が生じ、ランドマークの可視性が低く、三角測量の不確実性が高かったため、ナビゲーションが不可能になった。
• 地図が正しく構築された場合、家具の再配置などの環境変化に対してもシステムは耐性を示し、わずかなずれで安定した動作を示した。
• 動的照明や運動ブラーの影響で視覚追跡の品質が低下したが、露出を固定することでこれらの問題が緩和された。
• 光沢のある表面は誤ったランドマークを生成し、遠くのランドマークは最適化プロセスにおける三角測量の不確実性により、ポーズ推定のノイズを増加させた。