[논문 리뷰] A General Optimization-based Framework for Global Pose Estimation with Multiple Sensors

Tong Qin, Shaozu Cao외 2명|arXiv (Cornell University)|2019. 01. 11.

Robotics and Sensor-Based Localization인용 수 205

한 줄 요약

이 논문은 로컬 VO/VIO 추정치를 다수의 글로벌 센서(GPS, 자화계, 기압계 등)와 융합하여 포즈 그래프에서 로컬은 정확하고 전역은 드ift-free가 되도록 하는 최적화 기반 프레임워크를 제시하며, 공개 데이터셋과 오픈 소스 코드가 공개된 실험으로 입증합니다.

ABSTRACT

Accurate state estimation is a fundamental problem for autonomous robots. To achieve locally accurate and globally drift-free state estimation, multiple sensors with complementary properties are usually fused together. Local sensors (camera, IMU, LiDAR, etc) provide precise pose within a small region, while global sensors (GPS, magnetometer, barometer, etc) supply noisy but globally drift-free localization in a large-scale environment. In this paper, we propose a sensor fusion framework to fuse local states with global sensors, which achieves locally accurate and globally drift-free pose estimation. Local estimations, produced by existing VO/VIO approaches, are fused with global sensors in a pose graph optimization. Within the graph optimization, local estimations are aligned into a global coordinate. Meanwhile, the accumulated drifts are eliminated. We evaluate the performance of our system on public datasets and with real-world experiments. Results are compared against other state-of-the-art algorithms. We highlight that our system is a general framework, which can easily fuse various global sensors in a unified pose graph optimization. Our implementations are open source\footnote{https://github.com/HKUST-Aerial-Robotics/VINS-Fusion}.

연구 동기 및 목표

• 로컬 VO/VIO와 글로벌 센서를 융합하여 로컬로 정확하고 전역으로 드리프트 없는 6-DoF 포즈를 제공하는 로컬라이제이션 프레임워크를 동기 부여하고 구축한다.
• 유니파이드 포즈 그래프 최적화를 통해 여러 글로벌 센서를 수용할 수 있는 일반적이고 확장 가능한 프레임워크를 제공한다.
• 공개 데이터셋(KITTI 등)과 실제 환경 실험을 통해 견고성과 정확성을 입증하고 오픈 소스 코드를 공개한다.

제안 방법

• 센서를 로컬과 글로벌로 분류한다; 로컬 포즈 추정을 위해 VO/VIO를 사용하고 글로벌 센서를 그래프 요소로 취급한다.
• 로컬 및 글로벌 요소들로 구성된 글로벌 포즈에 대한 최대우도/비선형 최소제곱 최적화(번들 조정)로 포즈 추정을 형식화한다.
• 연속 프레임 간의 VO/VIO로부터 로컬 요소를 정의한다; GPS, 자화계, 기압계를 글로벌 요소로 적절한 잔차와 공분산과 함께 모델링한다.
• 월드 프레임의 포즈를 노드로 하는 희소 포즈 그래프를 구성하고 로컬 제약(VO/VIO로부터)과 글로벌 제약(글로벌 센서로부터)을 포함하는 엣지들을 만든다.
• 저주파수(1 Hz)에서 가우시안-뉴턴/레벤버그-마르트 iterations를 사용해 전역 정렬 및 드리프트 보정 효과를 얻되, 고주파 로컬 포즈를 전역 프레임으로 변환할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 다중 글로벌 센서를 단일 최적화 기반 포즈 그래프로 통합해 로컬 정확도를 해치지 않으면서 글로벌에서 드리프트 없이 위치 추정이 가능할까?
• RQ2 제안된 프레임워크가 데이터셋 및 실제 실험에서 GPS, 자화계, 기압계를 로컬 VO/VIO와 융합했을 때 어떤 성능을 보이는가?
• RQ3 GPS, 자화계, 기압계를 넘어서 추가 글로벌 센서를 포함하도록 프레임워크를 확장할 수 있는가?
• RQ4 장거리 궤적에서의 이점이 VO/VIO 단독 또는 다른 다중 센서 융합 방법 대비 얼마나 큰가?

주요 결과

• 프레임워크는 로컬 VO/VIO와 다중 글로벌 센서를 단일 포즈 그래프에 융합하여 로컬 정확하고 글로벌 드리프트가 없는 6-DoF 포즈를 달성한다.
• KITTI 데이터셋에서 제안 방법은 여러 시퀀스에서 ORB-SLAM보다 더 낮은 변위 RMSE를 보이며 GPS 통합으로 드리프트 억제가 효과적임을 나타낸다.
• 회전 정확도는 로컬 VO/VIO와 유사하게 유지되며, GPS는 주로 장거리 궤적에서 변위 드리프트를 감소시킨다.
• 현장 실험에서 제안 방법은 상대 포즈 오차에서 MSF 및 VIO 단독을 능가하고 드리 drift가 크게 완화되며 궤적이 도로 맵 또는 RTK 기준과 정렬된다.
• 시스템은 추가 글로벌 센서를 포함할 수 있는 일반 프레임워크로 시연되었으며, 저자들은 커뮤니티 사용을 위한 오픈 소스 코드를 제공한다.