[논문 리뷰] DCL-SLAM: A Distributed Collaborative LiDAR SLAM Framework for a Robotic Swarm

Shipeng Zhong, Yu-Hua Qi외 4명|arXiv (Cornell University)|2022. 10. 21.

Robotics and Sensor-Based Localization인용 수 5

한 줄 요약

DCL-SLAM은 무선 통신 최소화로 미지의 환경에서 협업 위치 추정을 가능하게 하는 완전 분산형, 프론트엔드 독립적인 LiDAR SLAM 프레임워크이다. 데이터 효율적인 간섭 로봇 간 루프 클로징 탐지에 경량 LiDAR-Iris 서술자를 사용하고, 이상치 거부 기반 분산 자세 그래프 최적화기를 적용하여 최신 기술 대비 높은 정확도와 3–5배 낮은 대역폭을 달성한다.

ABSTRACT

To execute collaborative tasks in unknown environments, a robotic swarm needs to establish a global reference frame and locate itself in a shared understanding of the environment. However, it faces many challenges in real-world scenarios, such as the prior information about the environment being absent and poor communication among the team members. This work presents DCL-SLAM, a fully distributed collaborative LiDAR SLAM framework intended for the robotic swarm to simultaneously co-localize in an unknown environment with minimal information exchange. Based on ad-hoc wireless peer-to-peer communication (limited bandwidth and communication range), DCL-SLAM adopts the lightweight LiDAR-Iris descriptor for place recognition and does not require full connectivity among teams. DCL-SLAM includes three main parts: a replaceable single-robot front-end that produces LiDAR odometry results; a distributed loop closure module that detects inter-robot loop closures with keyframes; and a distributed back-end module that adapts distributed pose graph optimizer combined with a pairwise consistent measurement set maximization algorithm to reject spurious inter-robot loop closures. We integrate our proposed framework with diverse open-source LiDAR odometry methods to show its versatility. The proposed system is extensively evaluated on benchmarking datasets and field experiments over various scales and environments. Experimental result shows that DCL-SLAM achieves higher accuracy and lower communication bandwidth than other state-of-art multi-robot SLAM systems. The full source code is available at https://github.com/zhongshp/DCL-SLAM.git.

연구 동기 및 목표

• 미지의 환경에서 GPS 기반 위치 추정이 불가능한 로봇 군집이 안정적이고 확장 가능하며 통신 효율적인 협업 위치 추정을 수행할 수 있도록 하는 것.
• 희소하고 신뢰할 수 없는 로봇 간 통신 조건을 고려하여 데이터 교환을 최소화하면서도 높은 위치 추정 정확도를 유지하는 것.
• 프론트엔드에 수정이 필요 없는 다양한 단일 로봇 LiDAR 오도메트리 시스템과 호환되는 프레임워크를 개발하는 것.
• 부분적 연결성과 동적 통신 범위를 가진 대규모 로봇 군집에서의 확장성과 내구성을 확보하는 것.
• 다양한 환경 조건에서 실세계 현장 실험과 벤치마크 데이터셋을 통해 시스템 성능을 검증하는 것.

제안 방법

• 교체 가능한 단일 로봇 LiDAR 오도메트리 프론트엔드를 사용하여 다양한 LiDAR 센서와 오도메트리 알고리즘과의 호환성을 확보한다.
• 로봇 간 루프 클로징은 경량 LiDAR-Iris 서술자를 활용하여 탐지하며, 레이저 스캔을 29.12 kB 서술자로 압축하여 효율적인 전송을 구현한다.
• 세 단계로 구성된 통신 파이프라인은 로봇 간 겹치는 스캔을 탐지하고, 서술자와 최소한의 확인용 포인트 클라우드(99.92 kB/프레임, VLP-16 기준)만 전송한다.
• 불필요한 루프 클로징를 제거하기 위해 [15] 기반의 강력한 이상치 거부 방법을 적용하여 일관성과 정확도를 향상시킨다.
• 최소한의 정보 교환으로도 일관성을 유지하는 두 단계 분산 가우스-세이델(DGS) 최적화기가 자세 그래프 최적화를 수행한다.
• 중앙 집중식 융합 없이 완전히 피어 투 피어 방식으로 운영되어 확장성과 장애 내성 확보를 달성한다.

실험 결과

연구 질문

• RQ1 완전히 분산된 LiDAR SLAM 프레임워크가 최소한의 로봇 간 통신으로도 복잡한 환경에서 정확한 협업 위치 추정을 달성할 수 있는가?
• RQ2 원시 포인트 클라우드 교환 없이도 데이터 효율적인 로봇 간 루프 클로징 탐지에 LiDAR-Iris 서술자가 얼마나 효과적인가?
• RQ3 이상치 거부 기반 분산 자세 그래프 최적화는 동적이고 연결성이 낮은 로봇 군집 환경에서 궤적 정확도와 내구성을 얼마나 향상시키는가?
• RQ4 대규모 환경에서 로봇 수가 증가함에 따라 성능과 통신 비용은 어떻게 변화하는가?
• RQ5 다양한 실세계 및 벤치마크 환경에서 시스템은 높은 정확도와 낮은 대역폭을 유지할 수 있는가?

주요 결과

• 대규모 캠퍼스 실험에서 9台의 UGV를 대상으로 평균 절대 궤적 오차(ATE)가 1.83m를 기록하여 복잡한 환경에서도 높은 정확도를 입증하였다.
• 9대 로봇 실험에서 평균 전송 데이터 대역폭은 34.36 kB/s, 수신 데이터는 193.57 kB/s로 중앙 집중식 방법 대비 크게 낮았다.
• KITTI 데이터셋에서 DCL-SLAM은 중앙 집중식 PGO 대비 평균 네트워크 트래픽을 로봇 α 기준 164.67 kB/s, 로봇 γ 기준 181.60 kB/s로 감소시켰다. 중앙 집중식 PGO는 10.06 MB였다.
• 순산양지대학교 실세계 현장 실험에서 3대의 로봇이 최소한의 드리프트와 높은 일관성으로 일관된 글로벌 맵 구축 및 궤적 추정을 달성하였다.
• 이상치 거부 통합으로 유사한 구조를 가진 환경에서도 루프 클로징 탐지의 잘못된 긍정률이 감소하여 내구성이 향상되었다.
• 프론트엔드 독립 설계 덕분에 LIO-SAM 등 다양한 LiDAR 오도메트리 시스템과의 호환성과 확장성을 입증하였다.