[論文レビュー] Wildcat: Online Continuous-Time 3D Lidar-Inertial SLAM

Milad Ramezani, Kasra Khosoussi+6 more|arXiv (Cornell University)|May 25, 2022

Robotics and Sensor-Based Localization被引用数 32

ひとこと要約

Wildcatは、連続時間軌道表現と姿勢グラフバックボーンを使用するオンライン3D LiDAR-IMU SLAMシステムで、頑健でスケーラブルな単一・多エージェントのマッピングを実現し、困難な環境で高い性能を発揮します。

ABSTRACT

We present Wildcat, a novel online 3D lidar-inertial SLAM system with exceptional versatility and robustness. At its core, Wildcat combines a robust real-time lidar-inertial odometry module, utilising a continuous-time trajectory representation, with an efficient pose-graph optimisation module that seamlessly supports both the single- and multi-agent settings. The robustness of Wildcat was recently demonstrated in the DARPA Subterranean Challenge where it outperformed other SLAM systems across various types of sensing-degraded and perceptually challenging environments. In this paper, we extensively evaluate Wildcat in a diverse set of new and publicly available real-world datasets and showcase its superior robustness and versatility over two existing state-of-the-art lidar-inertial SLAM systems.

研究の動機と目的

• 連続時間軌道表現を用いたオンライン LiDAR-IMU SLAMを進化させ、LiDARの歪みと非同期センサーフュージョンに対処する。
• スライディングウィンドウのオドメトリモジュールと姿勢グラフ最適化（PGO）モジュールを通じて、頑健な局所オドメトリとスケーラブルなグローバルマッピングを実現する。
• サブマップを共有し共同の姿勢グラフを最適化することにより、マルチエージェント協調SLAMを実現する。
• 地下環境や都市環境を含む多様な実世界データセットに対して頑健性を示す。

提案手法

• 姿勢最適化のための三次ベース関数（Cubic B-splines）と Lie 群リトラクションを用いたオンライン連続時間軌道表現。
• IMUとLiDAR計測を融合し、局所地図要素として surfels を生成するスライディングウィンドウLiDAR-IMUオドメトリ。
• 時間をまたいで surfels を整列させるため、7D記述子と点対平面残差を用いた surfel マッチング。
• 姿勢補正の頑健化のため、Cauchy M-estimatorを用いたIRLS（Iteratively Reweighted Least Squares）。
• 各サブマップが剛体ブロックとして、オドメトリとループクロージャエッジを含むグローバルグラフで管理されるサブマップベースの姿勢グラフ最適化。
• IRLSベースのループクロージャと場所認識の統合を用いて、大規模環境での頑健なグローバル一貫性を実現する。

実験結果

リサーチクエスチョン

• RQ1 オンライン連続時間LiDAR-IMU SLAMシステムは、多様な環境で頑健で正確なマッピングを提供できるか？
• RQ2 surf elベースの局所マッピングとサブマップベースの姿勢グラフ最適化をどのように統合して、大規模環境を効率的にマッピングできるか？
• RQ3 重力方向情報を取り入れるとLiDAR-IMU SLAMの姿勢グラフ最適化は改善されるか？
• RQ4 サブマップを交換し共有の姿勢グラフを最適化することで、マルチエージェントSLAMを効果的に実現できるか？
• RQ5 困難なセンサ条件において、Wildcatは最先端のLiDAR-IMU SLAMシステムと比べてどう性能するか？

主な発見

• Wildcatは複数の実世界データセットと困難な環境で頑健性と汎用性を示す。
• DARPA Subterranean Challenge Final Eventでは、4台の異種ロボットのチームを使用して、0%の偏差と91%のカバレージを達成。
• Wildcatは知覚的に困難で感知が劣化した地下環境で、他の最先端 LiDAR-IMU SLAM システムを上回った。
• このシステムはサブマップを共有し共同の姿勢グラフを最適化することで、協調的なマルチエージェントSLAMを実現する。
• サブマップはコンパクトで（最大 ~500 KB、平均 100–170 KB）、適度な帯域幅の下でピアツーピア共有を実現可能。
• このアプローチは連続時間軌道最適化、surfelベースの局所マッピング、およびループクロージャを統合して、大規模にわたるグローバル一貫性を維持する。