[논문 리뷰] On-Manifold Preintegration Theory for Fast and Accurate Visual-Inertial Navigation

Christian Förster, Luca Carlone외 2명|arXiv (Cornell University)|2015. 12. 08.

Robotics and Sensor-Based Localization참고 문헌 65인용 수 38

한 줄 요약

이 논문은 시각-자이로스코픽 항법을 위한 다양체 제약 전통 이론을 제안하며, 关键프레임 간 관성 측정치를 SO(3)의 회전군 상의 상대 운동 제약으로 모델링함으로써 실시간으로 정확한 상태 추정을 가능하게 한다. 분석적 자이로스코픽 행렬을 유도하고, 3차원 점 최적화를 피하는 구조 없는 시각 요소를 사용한 요소 그래프 프레임워크에 모델을 통합함으로써 높은 정확도와 계산 효율성을 달성하였으며, 실제 및 시뮬레이션 데이터셋에서 최신 기술을 능가한다.

ABSTRACT

Current approaches for visual-inertial navigation (VIN) are able to attain highly accurate state estimation via nonlinear optimization. However, real-time optimization quickly becomes infeasible as the trajectory grows over time; this problem is further emphasized by the fact that inertial measurements come at high rate, hence leading to fast growth of the number of variables in the optimization. In this paper, we address this issue by preintegrating inertial measurements between selected keyframes into single relative motion constraints. Our first contribution is a preintegration theory that properly addresses the manifold structure of the rotation group. We formally discuss the generative measurement model as well as the nature of the rotation noise and derive the expression for the maximum a posteriori state estimator. Our theoretical development enables the computation of all necessary Jacobians for the optimization and a-posteriori bias correction in analytic form. The second contribution is to show that the preintegrated IMU model can be seamlessly integrated into a visual-inertial pipeline under the uni- fying framework of factor graphs. This enables the application of incremental-smoothing algorithms and the use of a structureless model for visual measurements, which avoids optimizing over the 3D points, further accelerating the computation. We perform an extensive evaluation of our monocular VIN pipeline on real and simulated datasets. The results confirm that our modelling effort leads to accurate state estimation in real-time, outperforming state-of-the-art approaches.

연구 동기 및 목표

• 고속 관성 측정치와 증가하는 최적화 변수로 인해 발생하는 실시간 시각-자이로스코픽 항법의 계산 병목 현상을 해결한다.
• 회전군 SO(3)의 다양체 구조를 존중하고 회전 노이즈를 적절히 모델링하는 이론적으로 타당한 전통 프레임워크를 개발한다.
• 최적화의 효율성을 높이기 위해 분석적 자이로스코픽 행렬과 바이어스 보정을 가능하게 하는 계산 방법을 제공한다.
• 3차원 점 최적화를 피하기 위해 구조 없는 시각 요소를 사용하여 전통된 관성 측정치 모델을 요소 그래프 프레임워크에 원활하게 통합한다.
• 통합 최적화 프레임워크를 통해 단일 카메라 시각-자이로스코픽 시스템에서 실시간으로 고정확도 상태 추정을 달성한다.

제안 방법

• SO(3) 상의 비유클리드 성격을 반영한 전통된 관성 측정치의 생성 모델을 수립한다.
• 다양체 인식적인 방식으로 회전 노이즈를 포함한 전통된 관성 측정치 요소의 최대 사후확률 추정기(MAP)를 유도한다.
• 유도된 분석적 표현을 사용하여 최적화 및 바이어스 보정에 필요한 모든 자이로스코픽 행렬을 닫힌 형태로 계산한다.
• 전통된 관성 측정치 요소를 요소 그래프 프레임워크에 관건프레임 간 상대 운동 제약으로 통합한다.
• 3차원 점 위치 최적화를 피하는 구조 없는 시각 요소 모델을 사용하여 계산 부담을 크게 감소시킨다.
• 증분 스무딩 알고리즘을 적용하여 실시간 성능을 유지하면서도 증분 상태 추정을 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 SO(3)의 다양체 구조를 존중하면서 관성 측정치를 전통하여 정확도를 향상시킬 수 있는가?
• RQ2 전통된 자이로스코픽 행렬과 바이어스 보정을 분석적으로 유도할 수 있는가? 이는 시각-자이로스코픽 시스템의 효율적 최적화를 지원할 수 있는가?
• RQ3 구조 없는 시각 요소와 함께 전통된 관성 측정치 요소를 요소 그래프에 통합할 때, 정확도를 훼손하지 않으면서 계산 효율성이 얼마나 향상되는가?
• RQ4 실제 및 시뮬레이션 데이터에서 제안된 방법은 최신 기술에 비해 정확도와 실시간 성능 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 온-다양체 전통 이론은 회전 노이즈를 정확하게 모델링하고 SO(3) 다양체를 적절히 다루어 추정 일관성 향상을 이룬다.
• 최적화 및 바이어스 보정에 필요한 모든 자이로스코픽 행렬이 분석적으로 계산되어 수치 근사치를 제거하고 계산 효율성을 향상시킨다.
• 구조 없는 시각 요소와 함께 전통된 관성 측정치 요소를 통합함으로써 3차원 점 최적화를 피할 수 있어 계산 부담을 크게 감소시키면서도 정확도를 유지한다.
• 실제 및 시뮬레이션 데이터셋 모두에서 실시간 성능을 달성하였으며, 최신 기술 대비 뛰어난 정확도를 보였다.
• 평가 결과 이론적 모델링이 회전과 노이즈를 적절히 처리함으로써 도전적인 조건에서도 견고하고 정확한 상태 추정을 가능하게 함을 확인하였다.