[논문 리뷰] Direct LiDAR Odometry: Fast Localization with Dense Point Clouds

Kenny Chen, Brett T. Lopez외 2명|arXiv (Cornell University)|2021. 10. 01.

Robotics and Sensor-Based Localization인용 수 5

한 줄 요약

이 논문은 계산 자원이 제한된 플랫폼에서 조밀하고 최소한의 사전 처리가 된 점군을 사용하여 정확한 위치 추정을 가능하게 하는 경량이며 실시간 LiDAR 온도메트리 시스템인 Direct LiDAR Odometry(DLO)를 제안한다. 적응형 키프레임 시스템, 볼록 최적화를 통한 빠른 서브맵 생성 방법, 그리고 데이터 구조 재사용 기능을 갖춘 맞춤형 NanoGICP 솔버를 도입함으로써, 최신 기술 대비 더 높은 정확도와 낮은 계산 부하를 달성하였으며, 지하 광산과 지하철 등 극한 환경에서도 850m 거리에서 종단 간 드리프트가 10cm 미만으로 매우 우수한 성능을 보였다.

ABSTRACT

Field robotics in perceptually-challenging environments require fast and accurate state estimation, but modern LiDAR sensors quickly overwhelm current odometry algorithms. To this end, this paper presents a lightweight frontend LiDAR odometry solution with consistent and accurate localization for computationally-limited robotic platforms. Our Direct LiDAR Odometry (DLO) method includes several key algorithmic innovations which prioritize computational efficiency and enables the use of dense, minimally-preprocessed point clouds to provide accurate pose estimates in real-time. This is achieved through a novel keyframing system which efficiently manages historical map information, in addition to a custom iterative closest point solver for fast point cloud registration with data structure recycling. Our method is more accurate with lower computational overhead than the current state-of-the-art and has been extensively evaluated in multiple perceptually-challenging environments on aerial and legged robots as part of NASA JPL Team CoSTAR's research and development efforts for the DARPA Subterranean Challenge.

연구 동기 및 목표

• 지하 광산과 저조도 지역과 같이 인지적으로 도전적인 환경에서 계산 자원이 제한된 로봇을 대상으로 실시간 LiDAR 온도메트리의 과제를 해결한다.
• 점군의 조밀한 스캔를 처리하는 데서 발생하는 계산 병목 현상을 줄이기 위해 사전 처리를 최소화하고 데이터 구조 재사용을 최적화한다.
• 새로운 키프레임 시스템과 효율적인 서브맵 구축을 통해 장기 주행에서 자세 추정 정확도를 향상시키고 드리프트를 감소시킨다.
• 저성능 CPU에서도 실시간 성능을 확보하기 위해 저 CPU 오버헤드를 가진 속도 중심의 파이프라인을 설계한다.
• 고정 와이어 드론과 다리를 가진 로봇을 포함한 다양한 로봇 플랫폼에서 극한의 현장 조건에서도 견고성과 확장성을 입증한다.

제안 방법

• 환경 구조를 효율적으로 포착하면서 메모리 오버헤드를 방지하기 위해 새로운 '공간성(spaseness)' 지표를 사용하는 적응형 키프레임 시스템을 제안하여 새로운 키프레임을 저장할 시점을 결정한다.
• 근처 및 경계 키프레임에서 얻은 점군을 기반으로 볼록 최적화를 활용해 유연한 국소 서브맵을 신속하게 생성함으로써 글로벌 자세 보정을 위한 키프레임 기반 서브맵 기법을 적용한다.
• 속도와 메모리 효율성에 최적화된 맞춤형 반복 최소 거리 점(Iterative Closest Point, ICP) 솔버인 NanoGICP를 도입하였으며, 데이터 구조 재사용 기능을 통해 중복 할당을 제거한다.
• 두 단계로 구성된 온도메트리 파이프라인을 사용한다: 첫 번째 단계는 RANSAC를 통한 스캔 간 매칭(S2S)이며, 이 때 IMU 자전 정보를 선택적으로 활용해 初기 운동 추정을 향상시킨다; 두 번째 단계는 NanoGICP를 사용한 스캔-서브맵(S2M) 최적화를 통해 글로벌 자세를 정밀하게 보정한다.
• 특히 NanoGICP 솔버 내부에서 모듈 간 데이터 구조를 재사용하여 계산 오버헤드를 감소시키고 저성능 CPU에서도 처리 속도를 향상시킨다.
• S2S 단계에서 IMU 데이터를 자전 정보 우선순위로 통합하여, 밀접한 융합이 필요 없이도 初기 정렬의 견고성을 향상시킨다.

실험 결과

연구 질문

• RQ1 자원 제약이 있는 플랫폼에서 조밀하고 최소한의 사전 처리가 된 점군을 사용하여 직접적인 LiDAR 온도메트리 시스템이 고정밀도와 실시간 성능을 동시에 달성할 수 있는가?
• RQ2 장기 주행 환경에서 계산 비용을 최소화하면서도 정확도를 유지하기 위해 키프레임 선택과 서브맵 구축을 어떻게 최적화할 수 있는가?
• RQ3 데이터 구조 재사용 기능을 갖춘 맞춤형 ICP 솔버가 표준 GICP와 FastGICP에 비해 속도와 메모리 효율성 면에서 어느 정도 뛰어나게 성능을 발휘할 수 있는가?
• RQ4 인지적으로 도전적인 환경에서 최신 기술 대비 제안된 방법이 자세 오차와 CPU 부하 측면에서 어떻게 비교되는가?
• RQ5 특징이 부족하거나 조도가 낮거나 먼지가 많은 환경에서 장거리 주행 동안 드리프트를 낮게 유지하고 높은 신뢰성을 확보할 수 있는가?

주요 결과

• DLO는 폐쇄된 지하철에서 850m의 자율 주행 동안 종단 간 드리프트가 10cm 미만으로 나타나 장기적 안정성에 뛰어난 성능을 입증하였다.
• DARPA 지하 환경 챌린지의 베타 코스에서, 움직임 왜곡 보정 없이도 절대 자세 오차(Absolute Pose Error, APE)의 최대치, 평균, 표준편차 모두에서 모든 기준 대비 두 배 이상의 정확도를 확보하였다.
• 효율적인 데이터 구조 재사용과 서브맵 최적화 덕분에 평균 및 최대 CPU 부하가 한 코어 이하로 유지되었으며, 비교된 모든 방법보다 크게 낮았다.
• NanoGICP는 평균 42.53ms 내로 수렴하였고, FastGICP(72.88ms)와 PCL의 GICP(178.24ms)를 모두 능가하여 점군 정렬에서 뛰어난 속도를 입증하였다.
• 어두운, 특징이 없는 지하 석회암 동굴에서 348m의 자율 비행을 성공적으로 수행하여 극한 조건에서도 뛰어난 견고성을 입증하였다.
• DLO는 미세한 프레임 드롭이 거의 발생하지 않았고, 고성능 처리 스루풋을 유지하여 인텔 NUC(1.9GHz CPU)에서도 고해상도 점군 매칭을 실시간으로 수행할 수 있었다.