[논문 리뷰] LiDAR-Inertial 3D SLAM with Plane Constraint for Multi-story Building

Jiashi Zhang, Chengyang Zhang외 3명|arXiv (Cornell University)|2022. 02. 17.

Robotics and Sensor-Based Localization인용 수 5

한 줄 요약

이 논문은 루프 클로징 없이도 정확한 6-DOF 상태 추정을 가능하게 하는 다층 건물 대상으로 밀착된 LiDAR-자이로스코프 3D SLAM 프레임워크를 제안한다. 구조적 대표 평면(SRPs)을 활용하여 스캔-로컬맵 매칭과 IMU 사전통합을 통합 최적화에 융합하고, 층 간에 글로벌 일관성 있는 SRP 제약 조건을 적용함으로써 장거리 경로에서 1미터 이내의 드리프트를 달성하며, 실제 4족 보행 로봇 데이터에서 최신 기술보다 뛰어난 성능을 보였다.

ABSTRACT

The ubiquitous planes and structural consistency are the most apparent features of indoor multi-story Buildings compared with outdoor environments. In this paper, we propose a tightly coupled LiDAR-Inertial 3D SLAM framework with plane features for the multi-story building. The framework we proposed is mainly composed of three parts: tightly coupled LiDAR-Inertial odometry, extraction of representative planes of the structure, and factor graph optimization. By building a local map and inertial measurement unit (IMU) pre-integration, we get LiDAR scan-to-local-map matching and IMU measurements, respectively. Minimize the joint cost function to obtain the LiDAR-Inertial odometry information. Once a new keyframe is added to the graph, all the planes of this keyframe that can represent structural features are extracted to find the constraint between different poses and stories. A keyframe-based factor graph is conducted with the constraint of planes, and LiDAR-Inertial odometry for keyframe poses refinement. The experimental results show that our algorithm has outstanding performance in accuracy compared with the state-of-the-art algorithms.

연구 동기 및 목표

• 루프 클로징이 신뢰할 수 없는 다층 실내 주행 환경에서 누적 드리프트 문제를 해결하기 위해.
• 층 간에 널리 퍼져 있는 평면의 구조적 일관성을 활용해 오차 보정을 위한 글로벌 기하 제약 조건을 생성하기 위해.
• LiDAR-자이로스코프 오도메트리와 평면 기반 글로벌 제약 조건을 통합한 关键 프레임 기반 인자 그래프 최적화 프레임워크를 개발하기 위해.
• 오직 LiDAR와 IMU만을 사용하여 복잡한 다층 실내 환경에서 실시간 정확한 3D 매핑 및 위치 추정을 달성하기 위해.
• 실제 4족 보행 로봇(벨로시티 VLP-16 및 Xsens Mti-300 센서 탑재)을 대상으로 현실적인 조건에서 방법을 검증하기 위해.

제안 방법

• LiDAR 스캔-로컬맵 매칭과 IMU 사전통합을 하나의 통합 비용 함수에 통합하여 프론트엔드 오도메트리 정확도를 향상시키기 위해.
• 기하 일관성과 법선 벡터 정렬 기반으로 키프레임에서 구조적 대표 평면(SRPs)을 추출하여 층 간에 글로벌하게 매칭 가능한 평면을 식별하기 위해.
• SRPs를 키프레임 좌표계로 변환하고, 법선 방향과 원점까지의 거리를 사용해 글로벌 SRPs와 매칭하여 제약 조건을 형성하기 위해.
• LiDAR-자이로스코프 오도메트리와 평면 기반 기하 제약 조건을 통합한 키프레임 기반 인자 그래프를 구성하여 글로벌 최적화를 수행하기 위해.
• 오도메트리와 평면 제약 조건을 모두 사용해 키프레임 자세를 백엔드 최적화로 정밀 조정하여 누적 오차를 감소시키기 위해.
• 동적 운동에서의 안정성을 향상시키기 위해 사전통합된 IMU 모델을 사용하여 시간적 일관성을 유지하기 위해.

실험 결과

연구 질문

• RQ1 여러 층에 걸쳐 평면 기반 기하 제약 조건이 루프 클로징 없이도 LiDAR-자이로스코프 SLAM에서 6-DOF 드리프트를 효과적으로 줄일 수 있는가?
• RQ2 밀착된 LiDAR 및 IMU 측정치 융합이 다층 실내 환경에서 오도메트리 정확도를 어떻게 향상시키는가?
• RQ3 구조적 대표 평면(SRPs)이 서로 다른 층 간에 일관된 글로벌 제약 조건을 수립하는 데 얼마나 효과적으로 활용될 수 있는가?
• RQ4 LIO-Mapping, FAST-LIO2, LIO-SAM과 같은 최신 SLAM 알고리즘과 비교해 본다면, 제안된 방법은 다층 환경에서 정확도와 내구성 면에서 어떤가?
• RQ5 평면 매칭과 글로벌 최적화의 계산 비용은 얼마이며, 실시간 성능와의 균형을 유지할 수 있는가?

주요 결과

• Building A에서 제안된 방법은 상대적 이동 거리 편차가 뿐이며, LIO-Mapping, FAST-LIO2, LIO-SAM보다 뚜렷이 뛰어난 성능을 보였다.
• Building B에서는 이동 거리 편차가 0.031m, 회전 편차가 0.011rad를 기록하여 다양한 건물 레이아웃에서도 안정성을 입증했다.
• 루프 클로징 없이도 출발 지점으로 복귀할 수 있었으며, 이는 드리프트가 0.033m(이동) 및 0.028rad(회전)로 매우 작았음을 의미하며, 평면 제약 조건의 효과성을 입증했다.
• 슬라이딩 윈도우 최적화를 사용하는 LIO-Mapping은 높은 드리프트(3.017m 이동)를 보이며 루프를 닫지 못했고, 장거리 경로 정확도에 한계가 있음을 보여주었다.
• FAST-LIO2와 LIO-SAM은 큰 드리프트(최대 44.4m 이동)를 보이며 출발 지점으로 복귀하지 못했으며, 이는 다층 환경에서 글로벌 제약 조건이 필요함을 시사한다.
• 알고리즘의 프론트엔드 오도메트리 평균 처리 시간은 Building A에서 249.10ms, Building B에서 316.14ms였으며, SRP 추출 및 제약 조건 매칭에 시간이 다소 소요되어 정확도와 실시간 성능 사이의 상충 관계가 있음을 시사했다.