[논문 리뷰] Monocular Vision based Collaborative Localization for Micro Aerial Vehicle Swarms

Sai Vemprala, Srikanth Saripalli|arXiv (Cornell University)|2018. 04. 07.

Robotics and Sensor-Based Localization인용 수 5

한 줄 요약

이 논문은 단일 카메라 기반의 협업 위치 추정 프레임워크를 제안하며, 분산형 기능 매칭과 자세 추정을 통해 마이크로 항공기(MAV) 기반의 비행기 무리에 대해 적용한다. 공분산 교차를 통해 개인적(내부-MAV) 및 상대적(외부-MAV) 자세 추정을 융합함으로써, 스케일 모호성이 존재하는 GPS 불가 환경에서 기존 단일 기반 접근 방식 대비 최대 30%의 위치 추정 오차 감소를 달성한다.

ABSTRACT

In this paper, we present a vision based collaborative localization framework for groups of micro aerial vehicles (MAV). The vehicles are each assumed to be equipped with a forward-facing monocular camera, and to be capable of communicating with each other. This collaborative localization approach is built upon a distributed algorithm where individual and relative pose estimation techniques are combined for the group to localize against surrounding environments. The MAVs initially detect and match salient features between each other to create a sparse reconstruction of the observed environment, which acts as a global map. Once a map is available, each MAV performs feature detection and tracking with a robust outlier rejection process to estimate its own six degree-of-freedom pose. Occasionally, the MAVs can also fuse relative measurements with individual measurements through feature matching and multiple-view geometry based relative pose computation. We present the implementation of this algorithm for MAVs and environments simulated within Microsoft AirSim, and discuss the results and the advantages of collaborative localization.

연구 동기 및 목표

• 무리 내 협업 추정을 활용해 단일 카메라 시스템의 스케일 모호성을 해결함으로써 MAV에서 스케일 모호성을 해결한다.
• 오직 정면 방향 단일 카메라만을 사용하여 GPS가 제공되지 않거나 환경 정보가 사전에 알려지지 않은 환경에서도 강건한 위치 추정을 가능하게 한다.
• MAV 간의 계산 부담을 분산시켜 개별 기체의 차량 내 처리 요구량을 감소시킨다.
• 이웃 MAV로부터의 상대 측정값과 개별 자세 추정치를 융합하여 위치 추정 정확도를 향상시킨다.
• 대역폭과 에너지 소비를 줄이기 위해 완전히 분산형이며 간헐적인 통신 프레임워크를 개발한다.

제안 방법

• MAV 간의 기능 검출 및 매칭을 통해 환경의 공유 희소 3차원 재구성을 전역 지도로 구축한다.
• 전역 지도에서 기능을 추적하여 각 MAV의 6-자유도 자세를 독립적으로 추정함으로써 내부-MAV 위치 추정을 수행한다.
• 다중 시점 기하학과 차량 간 기능 대응 관계를 이용해 상대 자세를 계산함으로써 외부-MAV 위치 추정을 가능하게 한다.
• 공분산 교차 기법을 사용해 개인적 및 상대적 자세 추정치를 융합하여 추정 정확도를 향상시킨다.
• 기능 추적 품질이 임계값 이하로 떨어질 경우 전역 지도를 동적으로 갱신하여 지도 일관성을 확보한다.
• 실제 MAV 동역학과 시각 센서 성능을 반영한 시뮬레이션을 위해 Microsoft AirSim에서 알고리즘을 구현한다.

실험 결과

연구 질문

• RQ1 단일 카메라를 장착한 MAV 무리가 GPS나 사전 환경 지도 없이 정확한 위치 추정을 달성할 수 있는가?
• RQ2 MAV 간의 상대 자세 측정값을 융합할 경우 개인 추정 대비 위치 추정 정확도가 어떻게 향상되는가?
• RQ3 간헐적인 통신과 분산 계산이 무리 내 위치 추정 성능에 어떤 영향을 미치는가?
• RQ4 협업 기반의 기능 매칭과 희소 재구성은 단일 카메라 시스템의 스케일 추정을 어떻게 향상시킬 수 있는가?
• RQ5 복잡한 동작(예: 90도 전방 회전)이나 장거리 비행 동안 시스템은 정확도를 유지할 수 있는가?

주요 결과

• 내부-MAV 추정치와 외부-MAV 상대 자세 추정치를 융합함으로써 루트 평균 제곱 오차(RMS) 위치 추정 오차가 개인 추정 대비 최대 30% 감소하였다.
• 특히 MAV가 장면에서 멀리 떨어져 있을 경우, 외부-MAV 위치 추정 성분이 내부-MAV 추정보다 일관되게 낮은 불확실성(높은 신뢰도)을 유지하였다.
• 60미터 전진-후진 비행에서 MAV 1의 X축 오차는 융합되지 않은 경우 3.6cm에서 융합된 경우 2.5cm로 감소하였고, MAV 2의 Y축 오차는 17.9cm에서 12.0cm로 감소하였다.
• 90도 도시 비행 중 시스템은 중간 지도 갱신을 성공적으로 수행했으며, 고속 회전 및 거리 변화에도 불구하고 정확한 자세 추정을 유지하였다.
• 3차원 궤적 도표에서 융합된 추정치는 융합되지 않은 추정치보다 지상 진실값에 훨씬 가까이 유지되었으며, 특히 오차 누적이 발생하기 쉬운 단계에서 뚜렷한 개선이 관찰되었다.
• 알고리즘은 동적인 복잡한 환경에서도 강건성을 보였으며, 장시간 주행 및 지도 갱신 후에도 성공적인 위치 추정을 달성하였다.