[논문 리뷰] Closed-form Solution for IMU based LSD-SLAM Point Cloud Conversion into the Scaled 3D World Environment

Sergey Triputen, Kristiaan Schreve외 2명|arXiv (Cornell University)|2017. 07. 19.

Robotics and Sensor-Based Localization참고 문헌 4인용 수 3

한 줄 요약

이 논문은 IMU 데이터를 사용하여 LSD-SLAM의 단안, 비스케일링된 점군을 메트릭으로 정확한 3D 세계 좌표계로 변환하는 폐쇄형 해법을 제시한다. 카메라 궤적과 점군을 스케일 및 방향 오차를 보정하는 변환을 통해 정렬함으로써, 경로 계획과 같은 로봇 응용 분야에 적합한 정밀하고 실제 세계에 맞춰진 3D 재구성을 달성한다.

ABSTRACT

SLAM is a very popular research stream in computer vision and robotics nowadays. For more effective SLAM implementation it is necessary to have reliable informa- tion about the environment, also the data should be aligned and scaled according to the real world coordinate system. Monocular SLAM research is an attractive sub-stream, because of the low equipment cost, size and weight. In this paper we present a way to build a conversion from LSD-SLAM coordinate space to the real world coordinates using a true metric scale with IMU sensor data implementation. The causes of differences between the real and calculated spaces are explained and the possibility of conversions between the spaces is proved. Additionally, a closed-form solution for inter space trans- formation calculation is presented. The synthetic method of generating high level accurate and well controlled input data for the LSD-SLAM algorithm is presented. Finally, the reconstructed 3D environment representation is delivered as an output of the implemented conversion.

연구 동기 및 목표

• LSD-SLAM과 같은 단안 SLAM 시스템에서의 메트릭 스케일 부족 문제를 해결하여 실제 세계 로봇 시스템과의 통합을 가능하게 하기 위해.
• LSD-SLAM의 상대적이고 스케일링되지 않은 3D 점군을 전역적으로 정렬된 메트릭으로 정확한 표현으로 변환하는 데 도전하기 위해.
• IMU 데이터를 LSD-SLAM 출력과 융합하여 경로 계획 및 장애물 탐지에 적합한 신뢰할 수 있는 3D 환경 재구성을 가능하게 하기 위해.
• 알고리즘 검증을 위한 제어 가능하고 고해상도의 입력 데이터를 생성하기 위해 Blender를 사용한 합성 시뮬레이션 프레임워크를 개발하기 위해.
• LSD-SLAM의 내부 좌표계와 실제 세계 간의 스케일 및 방향 불일치를 보정하기 위한 폐쇄형 변환을 제공하기 위해.

제안 방법

• LSD-SLAM 입력을 위한 제어 가능한 질감, 조명 및 운동을 갖춘 실감나는 이미지 시퀀스를 생성하기 위해 Blender에서 합성 3D 환경을 사용한다.
• 카메라 궤적 추정을 위한 기준 운동 정보를 제공하기 위해 가속도 및 각속도를 포함한 IMU 데이터를 시뮬레이션한다.
• IMU 데이터와 LSD-SLAM의 추정 궤적을 기반으로 유도된 폐쇄형 변환을 적용하여 스케일 및 방향 오차를 보정한다.
• 변환을 통해 LSD-SLAM의 점군을 실제 세계 좌표계로 재투영하여 기준값과 축 및 스케일을 일치시킨다.
• MATLAB에서 기준값과 비교하여 변환된 점군의 정확성을 검증한다.
• 최종 출력을 효율적인 공간 표현 및 후속 로봇 응용을 위해 옥트리 메쉬 형태로 표현한다.

실험 결과

연구 질문

• RQ1 LSD-SLAM의 스케일링되지 않은 상대적 3D 점군을 메트릭으로 정확한 3D 세계 좌표계로 변환할 수 있는 폐쇄형 변환을 유도할 수 있는가?
• RQ2 합성 환경에서 IMU 데이터를 사용해 LSD-SLAM 출력의 스케일 및 방향을 얼마나 정확하게 보정할 수 있는가?
• RQ3 초기화 동역학이 스케일 수렴에 어떤 영향을 미치며, 안정화를 달성하기 위해선 어떻게 해야 하는가?
• RQ4 변환 과정이 실제 세계 환경과의 기하학적 정밀도 및 정렬을 얼마나 잘 유지하는가?
• RQ5 이 방법은 경로 계획과 같은 로봇 작업에 적합한 메트릭 스케일링이 된 3D 재구성을 신뢰성 있게 생성할 수 있는가?

주요 결과

• 제안된 폐쇄형 변환은 LSD-SLAM의 점군을 실제 세계 좌표계와 정확히 일치시켜 올바른 스케일과 방향을 확보했다.
• 스케일 요소는 약 4,300 프레임 이후 수렴하며, 이후에는 소량의 불안정성에도 불구하고 안정된 성능을 보였다.
• Blender에서의 기준 경로 길이는 195.12미터였지만, LSD-SLAM의 추정 경로 길이는 단지 12.6단위에 그쳐 보정 이전에 심각한 스케일 불일치가 있었음을 시사했다.
• 변환 후 점군 기하학 및 카메라 궤적은 MATLAB 검증을 통해 Blender에서 생성한 기준값과 정확히 일치함을 확인했다.
• 이 방법은 경로 계획 및 장애물 회피와 같은 후속 로봇 응용 분야에 적합한 안정적인 3D 재구성을 가능하게 했다.
• 스케일 계수는 시간에 따라 일정하지 않으며, 특히 반복적이거나 루프 형태의 궤적에서는 동적 조정이 필요하다.