[논문 리뷰] FastORB-SLAM: Fast ORB-SLAM Method with Descriptor Independent Keypoint Matching

Qiang Fu, Hongshan Yu외 5명|arXiv (Cornell University)|2020. 08. 22.

Robotics and Sensor-Based Localization참고 문헌 69인용 수 4

한 줄 요약

FastORB-SLAM은 RGB-D SLAM를 위한 기능 기반 키포인트 매칭 방법을 제안하며, 비키프레임에서 기능 계산을 생략함으로써 ORB-SLAM2의 속도를 향상시킨다. 희박한 광학 흐름과 운동/기하학적 제약 조건에 기반한 이중 단계의 굵은-세밀한 접근 방식을 통해, TUM 및 ICL-NUIM 데이터셋에서 현재 최고 수준의 정확도를 달성하면서 ORB-SLAM2보다 약 2배 빠르게 동작한다.

ABSTRACT

Indirect methods for visual SLAM are gaining popularity due to their robustness to environmental variations. ORB-SLAM2 \cite{orbslam2} is a benchmark method in this domain, however, it consumes significant time for computing descriptors that never get reused unless a frame is selected as a this http URL overcome these problems, we present FastORB-SLAM which is lightweight and efficient as it tracks keypoints between adjacent frames without computing descriptors. To achieve this, a two stage coarse-to-fine descriptor independent keypoint matching method is proposed based on sparse optical flow. In the first stage, we predict initial keypoint correspondences via a simple but effective motion model and then robustly establish the correspondences via pyramid-based sparse optical flow tracking. In the second stage, we leverage the constraints of the motion smoothness and epipolar geometry to refine the correspondences. In particular, our method computes descriptors only for keyframes. We test FastORB-SLAM on extit{TUM} and extit{ICL-NUIM} RGB-D datasets and compare its accuracy and efficiency to nine existing RGB-D SLAM methods. Qualitative and quantitative results show that our method achieves state-of-the-art accuracy and is about twice as fast as the ORB-SLAM2.

연구 동기 및 목표

• 비키프레임에서 반복적인 기능 계산을 제거함으로써 ORB-SLAM2의 계산 오버헤드를 줄이는 것.
• 연속 프레임에서 기능 없이 매칭함에도 불구하고 높은 추적 정확도를 유지하는 것.
• 실시간 배포에 적합한 경량이고 효율적인 시각 SLAM 시스템을 개발하는 것.
• 운동의 부드러움과 에피포라 기하학을 활용하여 기능 없이도 키포인트 대응 관계를 정밀하게 개선하는 것.
• 기본 RGB-D SLAM 벤치마크에서 정확도와 속도 양면에서 최고 수준의 성능을 달성하는 것.

제안 방법

• 두 단계의 굵은-세밀한 키포인트 매칭 파이프라인을 제안함: 먼저 운동 모델을 사용해 초기 대응 관계를 예측함.
• 운동 및 조명 변화에 강건하기 위해 피라미드 기반 희박한 광학 흐름 추적을 통해 초기 매칭을 정밀화함.
• 두 번째 단계에서 운동의 부드러움과 에피포라 기하학 제약 조건을 적용하여 추가로 대응 관계를 정밀화함.
• 기능 계산은 키프레임에서만 수행되어 추적 중 계산 부담을 크게 감소시킴.
• 희박한 광학 흐름과 기하학적 제약 조건에 의존하여 비키프레임에서 기능 계산 없이도 정확도를 유지함.
• 정확도 및 효율성에 대한 표준 지표를 사용해 TUM 및 ICL-NUIM RGB-D 데이터셋에서 시스템을 평가함.

실험 결과

연구 질문

• RQ1 비키프레임에서 기능 계산을 생략해도 시각 SLAM의 추적 정확도가 저하되지 않을 수 있는가?
• RQ2 운동 모델과 희박한 광학 흐름을 조합해 초기 키포인트 대응 관계를 예측하는 데 얼마나 효과적인가?
• RQ3 운동의 부드러움과 에피포라 기하학 제약 조건이 기능 없이 추적하는 데 있어 매칭의 강건성을 얼마나 향상시키는가?
• RQ4 기능에 의존하지 않는 접근 방식이 ORB-SLAM2보다 빠른 속도를 확보하면서도 최고 수준의 정확도를 달성할 수 있는가?
• RQ5 기존의 9종의 RGB-D SLAM 방법과 비교했을 때, 제안된 방법은 정확도와 효율성에서 어떻게 다른가?

주요 결과

• FastORB-SLAM은 TUM 및 ICL-NUIM RGB-D 데이터셋에서 기존의 9종의 RGB-D SLAM 방법을 능가하는 최고 수준의 정확도를 달성한다.
• 비키프레임에서 기능 계산을 생략함으로써 ORB-SLAM2보다 약 2배 빠르게 동작한다.
• 기능 계산은 키프레임에서만 수행되어 전체 계산 비용을 감소시키면서도 추적 안정성을 유지한다.
• 운동 모델과 피라미드 기반 광학 흐름을 활용한 이중 단계 매칭 파이프라인은 강건한 초기 대응 관계를 제공한다.
• 운동의 부드러움과 에피포라 기하학에서 유도된 기하학적 제약 조건이 최종 키포인트 매칭의 정확도를 크게 향상시킨다.
• 정성적 및 정량적 결과는 기능에 의존하지 않는 접근 방식이 다양한 환경에서 높은 정확도를 유지함을 확인한다.