[논문 리뷰] HybVIO: Pushing the Limits of Real-time Visual-inertial Odometry

Otto Seiskari, Pekka Rantalankila외 4명|arXiv (Cornell University)|2021. 06. 22.

Robotics and Sensor-Based Localization참고 문헌 39인용 수 5

한 줄 요약

HybVIO는 강력하고 실시간으로 작동하는 필터 기반 VIO와 느슨하게 결합된 최적화 기반 SLAM 모듈을 결합한 하이브리드 시각-자이로스코프 오도메트리 시스템을 제안한다. 이는 실시간 스테레오 VIO에서 최신 기술 수준의 성능을 달성하며, EuRoC MAV 벤치마크에서 이전의 최고 성능 기술인 BASALT을 능가하고 있으며, 소비자용 하드웨어에서 높은 정확도와 불확실성 측정 기능을 갖춘 차량 추적에 대한 실현 가능성을 입증한다.

ABSTRACT

We present HybVIO, a novel hybrid approach for combining filtering-based visual-inertial odometry (VIO) with optimization-based SLAM. The core of our method is highly robust, independent VIO with improved IMU bias modeling, outlier rejection, stationarity detection, and feature track selection, which is adjustable to run on embedded hardware. Long-term consistency is achieved with a loosely-coupled SLAM module. In academic benchmarks, our solution yields excellent performance in all categories, especially in the real-time use case, where we outperform the current state-of-the-art. We also demonstrate the feasibility of VIO for vehicular tracking on consumer-grade hardware using a custom dataset, and show good performance in comparison to current commercial VISLAM alternatives. An open-source implementation of the HybVIO method is available at https://github.com/SpectacularAI/HybVIO

연구 동기 및 목표

• 더 높은 견고성과 정확도를 갖춘 실시간, 임베디드 친화적인 시각-자이로스코프 오도메트리 시스템을 개발한다.
• 필터 기반 VIO의 장기적 드리프트 문제를 해결하기 위해 느슨하게 결합된 최적화 기반 SLAM 모듈을 통합한다.
• 소비자용 하드웨어에서 높은 정확도의 추적 기능을 제공하며, 특히 차량 응용 분야에도 적합하게 한다.
• 최소한의 계산 오버헤드로 실시간으로 불확실성 측정 기능을 제공한다.
• 실시간 스테레오 VIO 벤치마크에서 기존 최고 수준의 기술들을 능가한다.

제안 방법

• PIVO 프레임워크를 스테레오 카메라로 확장하여 단일 카메라에서 스테레오로의 일반화를 가능하게 한다.
• EKF 프레임워크 내에서 IMU 바이어스 모델링 향상을 위해 온스타인-울렌벡 과정을 구현한다.
• 베이지안 상태 추정치를 활용해 이상치 탐지, 정적 상태 탐지, 특징 트랙 선택을 위한 확률적 메커니즘을 도입한다.
• 필터 기반 VIO와 최적화 기반 SLAM이 병렬로 작동하는 느슨하게 결합된 아키텍처를 사용해 장기적인 일관성을 확보한다.
• SLAM 모듈에서 희소 베이지안 요소 그래프를 활용해 효율적인 상태 추정과 지도 정밀화를 수행한다.
• 계산 복잡도를 줄이기 위해 간소화된 초기화 및 유니티 퀘터니언 정규 분포 모델링을 적용한다.

실험 결과

연구 질문

• RQ1 필터 기반 VIO 시스템이 스테레오로 확장되어 임베디드 하드웨어에서 실시간 성능을 달성할 수 있는가?
• RQ2 향상된 IMU 바이어스 모델링이 장기적 VIO 정확도와 견고성에 어떤 영향을 미치는가?
• RQ3 느슨하게 결합된 하이브리드 VIO-SLAM 아키텍처가 실시간 환경에서 완전 최적화된 SLAM 시스템을 능가할 수 있는가?
• RQ4 실제 도전적인 환경, 예를 들어 차량 운행과 같은 환경에서 VIO 전용 추적의 성능은 어떠한가?
• RQ5 정확도와 안정성 측면에서 상용 VISLAM 솔루션과 비교해 본 결과, 제안된 방법은 어떤 성과를 보이는가?

주요 결과

• HybVIO는 EuRoC MAV 데이터셋에서 실시간 성능이 가장 뛰어나 이전의 최고 성능 기술인 BASALT를 능가한다.
• TUM VI Room 벤치마크에서 HybVIO는 후처리된 SLAM 정확도에서 ORB-SLAM3에 이어 두 번째로 높은 순위를 기록한다.
• SenseTime VISLAM 벤치마크에서 HybVIO는 평균 RMSE 30.3 mm를 기록하여 기술적 비공개 솔루션인 SenseSLAM v1.0(31.2 mm)을 능가한다.
• 자체 제작한 차량용 데이터셋에서 HybVIO는 최대 시속 40km에서 안정적인 추적 성능을 보이며, Intel RealSense T265를 능가하고 Apple의 ARKit와 정확도에서 동등하다.
• GPU, VPU, ISP 없이도 라즈베리 파이에서 실시간 성능을 달성하여 저전력 임베디드 배포의 실현 가능성을 입증한다.
• 불확실성 측정 기능은 거의 계산 오버헤드 없이 내장되어 있어 동적인 환경에서도 신뢰할 수 있는 상태 추정이 가능하다.