[논문 리뷰] FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter

Wei Xu, Fu Zhang|arXiv (Cornell University)|2020. 10. 16.

Robotics and Sensor-Based Localization참고 문헌 26인용 수 27

한 줄 요약

FAST-LIO는 반복 확장 칼만 필터(iEKF)를 사용하여 라이다 특징과 자이로스코프 측정치를 밀접하게 융합하는 계산 효율적인 타이트하게 결합된 라이다-자이로스코프 오도메트리 시스템을 제안한다. 이는 측정치 차원에서 상태 차원으로의 복잡도를 감소시키는 새로운 칼만 이득 계산 공식을 도입하여, 4축 항공기 탑재 컴퓨터에서 1,200개 이상의 라이다 특징점을 25ms 이내로 처리함으로써 실시간 성능을 달성한다.

ABSTRACT

This paper presents a computationally efficient and robust LiDAR-inertial odometry framework. We fuse LiDAR feature points with IMU data using a tightly-coupled iterated extended Kalman filter to allow robust navigation in fast-motion, noisy or cluttered environments where degeneration occurs. To lower the computation load in the presence of large number of measurements, we present a new formula to compute the Kalman gain. The new formula has computation load depending on the state dimension instead of the measurement dimension. The proposed method and its implementation are tested in various indoor and outdoor environments. In all tests, our method produces reliable navigation results in real-time: running on a quadrotor onboard computer, it fuses more than 1,200 effective feature points in a scan and completes all iterations of an iEKF step within 25 ms. Our codes are open-sourced on Github.

연구 동기 및 목표

• 드론 운영에서 흔한 고속 운동, 노이즈, 특징 부족 환경에서의 라이다-자이로스코프 오도메트리 과제를 해결한다.
• 임베디드 플랫폼에서 라이다 특징점 수가 많을 경우(예: 스캔당 1,200개 이상) 자이로스코프 데이터와 융합하는 데 높은 계산 비용을 초래하는 문제를 해결한다.
• 비순간적인 스캔과 드론의 동역학으로 인해 발생하는 라이다 스캔의 운동 왜곡을 보완한다.
• 저비용 고체 상태 라이다와 자이로스코프를 사용하여 소형 드론에서 실시간으로 정확하고 안정적인 상태 추정을 가능하게 한다.
• 측정치 차원에 관계없이 상태 차원에만 의존하는 계산 효율적인 칼만 이득 계산 방법을 개발하여 처리 부담을 줄인다.

제안 방법

• 라이다 스캔의 운동 왜곡을 보정하고 상태를 함께 추정하기 위해 타이트하게 결합된 반복 확장 칼만 필터(iEKF)를 사용한다.
• 라이다 스캔 동안 시간에 따라 변화하는 운동을 모델링하기 위해 정방향 및 역방향 상태 전파를 구현하여 운동 왜곡을 정확히 보정한다.
• 기존의 것과 동치임을 증명하기 위해 행렬 역행렬 보조정리(matrix inverse lemma)를 사용하여 이론적 정확성을 확보한 새로운 칼만 이득 공식을 제안한다. 이는 상태 차원에만 의존하며 측정치 차원에 영향을 받지 않아 계산 복잡도를 크게 감소시킨다.
• 수치적 안정성을 확보하기 위해 오차 상태 공식을 사용하여 자이로스코프 비스와 역학을 고려한 상태 전이 모델을 통합한다.
• 희박하거나 혼잡한 환경에서도 강력한 스캔 정렬을 가능하게 하기 위해 점-평면 및 점-모서리 거리 측정 기반의 라이다 특징 매칭을 사용한다.

실험 결과

연구 질문

• RQ1 고속 운동과 고진동 조건에서 타이트하게 결합된 iEKF 프레임워크가 라이다-자이로스코프 오도메트리의 강성에 기여하는가?
• RQ2 새로운 칼만 이득 계산 공식이 추정 정확도를 희생시키지 않고 계산 부담을 줄일 수 있는가?
• RQ3 정방향 및 역방향 상태 전파를 통해 라이다 스캔의 운동 왜곡을 얼마나 효과적으로 보정할 수 있는가?
• RQ4 임베디드 드론 플랫폼에서 스캔당 1,200개 이상의 라이다 특징점을 실시간으로 처리할 수 있는가?
• RQ5 기존의 라이다-자이로스코프 시스템과 비교해 본다면, 제안된 방법은 정확도와 계산 효율성 측면에서 어떤가?

주요 결과

• FAST-LIO는 스캔당 1,200개 이상의 유효한 라이다 특징점을 처리하며, 4축 항공기 탑재 컴퓨터에서 모든 iEKF 반복을 25ms 이내로 완료한다.
• 제안된 칼만 이득 공식은 복잡도를 측정치 차원 m의 제곱에서 상태 차원 n의 제곱으로 감소시켜, O(m²)에서 O(n²)로 변화시켜 실시간 성능을 가능하게 한다.
• 실내 및 실외 환경에서 정확하고 드리프트 없는 지ap핑을 달성하였으며, 고속 운동과 강한 진동 조건에서도 도전적인 상황에서도 성능을 유지를 하였다.
• 드론 비행 테스트에서 기존의 라이다 전용 방법이 실패하는 특징이 부족한 환경에서도 FAST-LIO는 강력한 성능을 보였다.
• LINS와의 비교 결과, FAST-LIO는 유사하거나 더 높은 지도 정확도를 달성하면서도 훨씬 낮은 계산 부담을 보였다.
• 시스템은 GitHub에 오픈소스로 배포되었으며, Livox AVIA 라이다와 DJI Manifold 2-C 컴퓨팅 유닛을 사용한 실제 드론 플랫폼에서 검증되었다.