[논문 리뷰] A Collaborative Visual SLAM Framework for Service Robots

Mingjun Ouyang, Xuesong Shi외 6명|arXiv (Cornell University)|2021. 02. 05.

Robotics and Sensor-Based Localization참고 문헌 24인용 수 4

한 줄 요약

이 논문은 서비스 로봇을 위한 협업형 시각 SLAM 프레임워크를 제안하며, 엣지 서버를 통해 중심화된 지ap 데이터베이스를 유지함으로써 효율적인 지점 검색을 통한 실시간, 저비용 정보 공유를 가능하게 한다. 로봇이 보기 예측 지점을만 쿼리하고 경량 업데이트를 수행할 수 있도록 함으로써, 통신 및 계산 비용을 최소화하면서도 다수의 로봇과 카메라에서 스케일러블하고 정확한 국소화 및 지도 융합을 달성한다.

ABSTRACT

We present a collaborative visual simultaneous localization and mapping (SLAM) framework for service robots. With an edge server maintaining a map database and performing global optimization, each robot can register to an existing map, update the map, or build new maps, all with a unified interface and low computation and memory cost. We design an elegant communication pipeline to enable real-time information sharing between robots. With a novel landmark organization and retrieval method on the server, each robot can acquire landmarks predicted to be in its view, to augment its local map. The framework is general enough to support both RGB-D and monocular cameras, as well as robots with multiple cameras, taking the rigid constraints between cameras into consideration. The proposed framework has been fully implemented and verified with public datasets and live experiments.

연구 동기 및 목표

• 동적인 환경에서 다수의 서비스 로봇이 협업하여 공유된 최신 지도를 구축하고 재사용할 수 있도록 하는 것.
• 원시 이미지 대신 关건 프레임 특징점과 최적화된 지점을 전송하여 통신 및 계산 오버헤드를 줄이는 것.
• RGB-D, 단안, 다중카메라 로봇을 포함한 이종 카메라 설정을 지원하며, 고정된 카메라 간 상호 관계 제약 조건을 유지하는 것.
• 접속이 끊어져도 로봇의 자율성을 유지하면서도 지도 일관성을 유지하는 스케일러블한 클라이언트-서버 아키텍처를 설계하는 것.
• 예측된 카메라 시야 기반으로 서버에서 실시간으로 지점을 검색하여 대역폭 사용을 최소화하는 것.

제안 방법

• 각 로봇가 실시간 추적를 위한 경량 로컬 지도를 유지하는 클라이언트-서버 아키텍처를 사용하며, 엣지 서버는 글로벌 지도를 저장하고 최적화한다.
• 로봇은 오직 특징점과 최적화된 지점만 교환하여 대역폭과 서버 측 계산 비용을 줄인다.
• 격자 기반 지점 색인 시스템을 통해 각 로봇의 현재 시야에 나타날 가능성이 높은 지점을 신속하게 실시간으로 검색할 수 있다.
• 서버는 루프 탐지, 지도 융합, 글로벌 자세 그래프 최적화를 수행하여 정확성과 일관성을 향상시킨다.
• 다중카메라 로봇은 카메라 간 상호 관계 제약 조건이 글로벌 최적화 중에 강제되는 다수의 독립 클라이언트로 모델링된다.
• 프레임워크는 OpenVSLAM 기반으로 제작되었으며, 단안 및 RGB-D 카메라 모두를 지원하며 다중카메라 데이터의 원활한 통합을 가능하게 한다.

실험 결과

연구 질문

• RQ1 다수의 서비스 로봇이 통신 오버헤드를 최소화하면서 어떻게 효율적으로 시각 SLAM 데이터를 공유할 수 있는가?
• RQ2 실시간 클라이언트 업데이트를 지원하면서도 중심화된 엣지 서버가 일관성 있고 글로벌 최적화된 지도를 유지할 수 있는가?
• RQ3 로봇의 현재 시야에 관련된 지점만 효율적으로 검색하여 대역폭 사용을 최소화할 수 있는 효과적인 방법은 무엇인가?
• RQ4 고정된 카메라 간 상호 관계 제약 조건을 갖는 이종 카메라 유형과 다중카메라 로봇을 어떻게 지원할 수 있는가?
• RQ5 협업 기반의 지도 융합이 단일 로봇 SLAM 대비 국소화 정확도를 얼마나 향상시키는가?

주요 결과

• 시스템은 OpenVSLAM보다 略적으로 더 낮은 절대 궤적 오차(Absolute Trajectory Error, ATE)를 기록했다: market1-1 시퀀스에서 2.51m 대비 2.53m, market1-2 시퀀스에서 3.34m 대비 3.70m로, 협업 기반 루프 클로징으로 인한 정확도 향상을 확인했다.
• 평균 업링크 통신 비용은 클라이언트당 0.5 MB/s였고, 다운링크는 0.1 MB/s였으며, 이는 낮은 대역폭 사용을 통한 효율적인 데이터 전송을 보여주었다.
• 서버 측 지점 검색 평균 시간은 1.7 ms였으며, 격자 기반 검색 방법의 효율성을 확인했다.
• 지도 융합과 자세 그래프 최적화는 각각 0.60초와 1.12초의 주기로 수행되었으며, 실시간 운영에 적합한 지연 시간을 보였다.
• 4코어 서버에서 최대 8명의 클라이언트까지 안정적인 성능을 유지했으며, CPU 사용률은 100%~150% 사이였고, 이는 확장성을 입증했다.
• 실제 다중카메라 로봇을 사용한 5회의 세션에서 생성된 최종 지도는 모든 탐색 영역을 커버했고, 추적 실패나 시점 변화가 있었음에도 사무실 평면도와 잘 일치했다.