[논문 리뷰] A Unified 3D Mapping Framework using a 3D or 2D LiDAR

Weikun Zhen, Sebastian Scherer|arXiv (Cornell University)|2018. 10. 30.

Robotics and Sensor-Based Localization참고 문헌 3인용 수 4

한 줄 요약

이 논문은 오차 상태 칼만 필터링과 스캔 매칭 기반의 일반화된 정위치 모듈을 Cartographer SLAM에 통합하여, 고정 또는 회전하는 2D 및 3D 라이다를 모두 지원하는 통합 3D 맵핑 프레임워크를 제안한다. 이 프레임워크는 최소한의 파rameter 조정으로 다양한 라이다 플랫폼에서 실시간으로 고품질의 3D 맵핑을 구현하며, 드리프트를 0.003° per meter로 감소시켜 실내 및 실외 환경에서 일관된 루프 클로징을 가능하게 한다.

ABSTRACT

Simultaneous Localization and Mapping (SLAM) has been considered as a solved problem thanks to the progress made in the past few years. However, the great majority of LiDAR-based SLAM algorithms are designed for a specific type of payload and therefore don't generalize across different platforms. In practice, this drawback causes the development, deployment and maintenance of an algorithm difficult. Consequently, our work focuses on improving the compatibility across different sensing payloads. Specifically, we extend the Cartographer SLAM library to handle different types of LiDAR including fixed or rotating, 2D or 3D LiDARs. By replacing the localization module of Cartographer and maintaining the sparse pose graph (SPG), the proposed framework can create high-quality 3D maps in real-time on different sensing payloads. Additionally, it brings the benefit of simplicity with only a few parameters need to be adjusted for each sensor type.

연구 동기 및 목표

• 라이다 기반 SLAM 시스템에서 다양한 센서 유형에 맞는 별도의 알고리즘이 필요로 하는 플랫폼 간 호환성 부족 문제를 해결하기 위해.
• 고정 및 회전하는 2D/3D 라이다를 하나의 프레임워크 내에서 실시간으로 고정밀도 3D 맵핑을 가능하게 하기 위해.
• 센서 유형의 차이에도 불구하고 일관된 설정 전략을 유지함으로써 플랫폼 간 파arameter 조정을 최소화하기 위해.
• 좁은 복도와 같이 수직 시야가 제한된 환경에서의 강건성을 향상시키기 위해 회전 라이다를 활용하기 위해.

제안 방법

• 자신의 정위치 모듈을 오차 상태 칼만 필터(ESKF)로 대체하여, 거리 맵에 대한 스캔 매칭을 수행하고 자세를 추정한다.
• 자세를 최적화하고 드리프트를 감소시키기 위해 희소 자세 그래프(SPG) 정밀화 컴포넌트를 사용하며, 원래 Cartographer 백엔드와의 호환성을 유지한다.
• 실시간으로 개별 레이저 스캔을 처리하여 매번 맵과 매칭함으로써 IMU 단독 통합보다 정확도를 향상시킨다.
• 정위치 방법을 센서 유형에서 분리함으로써 고정 3D 라이다와 회전 2D/3D 라이다를 모두 지원한다.
• 플랫폼 전환 시 거리 맵 해상도, 스캔 누적 수, 최적화 주기와 같은 몇 가지 핵심 파arameter만 조정한다.
• 효율적인 스캔 매칭과 다양한 센서 구성 지원을 가능하게 하는 거리 맵 표현 방식을 사용한다.

실험 결과

연구 질문

• RQ1 단일 SLAM 프레임워크가 고정 및 회전하는 2D/3D 라이다를 최소한의 재구성으로 지원할 수 있는가?
• RQ2 회전 라이다의 경우, 제안된 정위치 방법이 IMU 단독 통합 대비 드리프트와 정확도 측면에서 어떻게 비교되는가?
• RQ3 다양한 라이다 유형과 환경에서 성능에 크게 영향을 미치는 파arameter는 무엇인가?
• RQ4 시야 제한이 좁은 복도에서 높이 추정과 루프 클로징에 어떤 영향을 미치는가?
• RQ5 다양한 로봇 플랫폼 간에 파arameter 조정을 얼마나 표준화할 수 있는가?

주요 결과

• 프레임워크는 0.003° per meter의 회전 드리프트율을 달성하여 장기 맵핑에서 높은 일관성을 보였다.
• 고정 3D 라이다를 사용한 좁은 복도에서는 수직 시야가 제한되어 높이 추정이 신뢰할 수 없었고, 이로 인해 루프 클로징이 지연되었다.
• 회전 라이다는 시야를 넓히고 더 나은 3차원 구조 캡처를 가능하게 하여 맵핑의 강건성을 크게 향상시켰다.
• 회전 2D 라이다의 경우, 낮은 이동 속도(약 0.5 m/s)가 충분한 스캔 포인트를 누적하여 안정적인 서브맵 업데이트를 가능하게 했다.
• 플랫폼 전환 시 거리 맵 해상도, 스캔 누적 수, 최적화 주기와 같은 몇 가지 핵심 파arameter만 조정하면 되었다.
• 모든 테스트 환경에서 일관된 루프 클로징과 롤(0.14°), 피치(0.15°), 요(0.24°)의 낮은 오차 피크를 달성했다.