[논문 리뷰] Object-oriented SLAM using Quadrics and Symmetry Properties for Indoor Environments

Ziwei Liao, Wei Wang외 5명|arXiv (Cornell University)|2020. 04. 11.

Robotics and Sensor-Based Localization참고 문헌 34인용 수 10

한 줄 요약

이 논문은 RGB-D 데이터를 융합하고 인공 구조물의 대칭성 사전 지식을 활용하여 실내 환경에서의 3D 재구성 정확도와 수렴 속도를 향상시키기 위해 사각형 표면 표현과 대칭성 사전 지식을 사용하는 객체 지향 SLAM 프레임워크를 제안한다. 제한된 시야 변화 조건에서도 안정적인 사각형 초기화와 음영 복구를 가능하게 하여 전방 이동 경로에서 최신 기술 대비 뛰어난 정확도와 속도를 확보한다.

ABSTRACT

Aiming at the application environment of indoor mobile robots, this paper proposes a sparse object-level SLAM algorithm based on an RGB-D camera. A quadric representation is used as a landmark to compactly model objects, including their position, orientation, and occupied space. The state-of-art quadric-based SLAM algorithm faces the observability problem caused by the limited perspective under the plane trajectory of the mobile robot. To solve the problem, the proposed algorithm fuses both object detection and point cloud data to estimate the quadric parameters. It finishes the quadric initialization based on a single frame of RGB-D data, which significantly reduces the requirements for perspective changes. As objects are often observed locally, the proposed algorithm uses the symmetrical properties of indoor artificial objects to estimate the occluded parts to obtain more accurate quadric parameters. Experiments have shown that compared with the state-of-art algorithm, especially on the forward trajectory of mobile robots, the proposed algorithm significantly improves the accuracy and convergence speed of quadric reconstruction. Finally, we made available an opensource implementation to replicate the experiments.

연구 동기 및 목표

• 평면적 전방 이동 경로에서의 사각형 기반 SLAM에서의 관측 가능성 문제를 해결하기 위해.
• 정확한 사각형 랜드마크 초기화를 위해 시점 변화에 대한 의존도를 줄이기 위해.
• 실내 인공 구조물의 대칭성을 활용하여 가려진 부분을 추론하고 매개변수 추정을 향상시키기 위해.
• 실시간 실내 이동 로봇 공학에 적합한 희소적 객체 수준의 SLAM 시스템을 개발하기 위해.
• 재현 가능성과 향후 연구를 위해 오픈소스 구현을 제공하기 위해.

제안 방법

• 3D 객체를 위치, 방향 및 공간 범위를 압축적으로 표현하기 위해 사각형 표면을 사용한다.
• 융합된 RGB-D 데이터를 기반으로 단일 프레임 사각형 초기화를 수행하여 궤적 기반 시점 다양성의 필요성을 최소화한다.
• 실내 구조물의 기하학적 규칙성에 기반해 대칭성 사전 지식을 적용하여 부족하거나 가려진 부분을 추정한다.
• 객체 검출과 포인트 클라우드 데이터를 융합하여 사각형 매개변수를 보완하고 정확도를 향상시킨다.
• SLAM 최적화 프레임워크에 대칭 기반 재구성을 통합하여 상태 추정 성능을 향상시킨다.
• 계산 효율성을 유지하면서도 랜드마크 정확도를 향상시키기 위해 희소적 객체 수준 표현을 사용한다.

실험 결과

연구 질문

• RQ1 실내 환경에서 시점 변화가 최소한일 경우 사각형 기반 SLAM이 정확한 3D 재구성 가능할 수 있는가?
• RQ2 대칭성 사전 지식이 SLAM에서 가려진 객체 부분의 추정에 어느 정도 기여하는가?
• RQ3 단일 프레임 사각형 초기화 방법이 전통적인 다중 시점 방법 대비 수렴 속도와 정확도 측면에서 어떻게 비교되는가?
• RQ4 대칭 기반 추론은 로봇 주행 중 광범위한 시점 변화가 필요한 정도를 줄일 수 있는가?
• RQ5 이 논문의 방법은 전방 이동 경로에서 최신 기술 대비 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 방법은 전방 이동 경로에서 최신 기술 대비 뚜렷한 재구성 정확도 향상을 보였다.
• 강력한 단일 프레임 사각형 초기화 덕분에 더 빠른 수렴 속도를 달성했다.
• 대칭 기반 음영 복구로 인해 더 정확하고 완전한 사각형 매개변수 추정이 가능했다.
• 시점 다양성에 대한 의존도가 감소하여 제한된 운동 조건에서도 신뢰할 수 있는 성능을 유지했다.
• 실험의 완전한 재현 가능성을 확보하기 위해 오픈소스 구현이 공개되었다.
• 정량적 결과는 벤치마크 시퀀스에서 정확도와 수렴 속도 측면에서 뛰어난 성능을 보였다.