[논문 리뷰] Optimization-Based Visual-Inertial SLAM Tightly Coupled with Raw GNSS Measurements

Jinxu Liu, Wei Gao외 1명|arXiv (Cornell University)|2020. 10. 22.

Robotics and Sensor-Based Localization참고 문헌 24인용 수 61

한 줄 요약

이 논문은 슬라이딩 윈도우 프레임워크 내에서 원시 GNSS 측정값—유도거리 및 도플러 이동—을 시각적 특징과 IMU 프리인.tegration과 밀접하게 결합한 최적화 기반 시각-자이로스코픽 SLAM 시스템을 제안한다. 센서 간 이종성에 대응하면서도 재투영 오차, IMU 프리인.tegration 오차, 원시 GNSS 오차를 동시에 최소화함으로써 도시 캐년 및 저층 건물 지역에서 우수한 전역 정확도를 달성하며, 공개 데이터셋에서 최신 기술인 VI-SLAM, GNSS 단일점 위치 측정 및 느슨한 결합 기법들을 능가한다.

ABSTRACT

Unlike loose coupling approaches and the EKF-based approaches in the literature, we propose an optimization-based visual-inertial SLAM tightly coupled with raw Global Navigation Satellite System (GNSS) measurements, a first attempt of this kind in the literature to our knowledge. More specifically, reprojection error, IMU pre-integration error and raw GNSS measurement error are jointly minimized within a sliding window, in which the asynchronism between images and raw GNSS measurements is accounted for. In addition, issues such as marginalization, noisy measurements removal, as well as tackling vulnerable situations are also addressed. Experimental results on public dataset in complex urban scenes show that our proposed approach outperforms state-of-the-art visual-inertial SLAM, GNSS single point positioning, as well as a loose coupling approach, including scenes mainly containing low-rise buildings and those containing urban canyons.

연구 동기 및 목표

• 시각-자이로스코픽 SLAM에서 느슨한 결합 및 EKF 기반 융합의 한계를 해결하기 위해 원시 GNSS 측정값을 밀착 통합할 수 있도록 하는 것.
• 표준 SLAM에서의 드리프트 및 전역 프레임 모호성 문제를 시각적 및 관성 데이터와 함께 원시 GNSS 유도거리 및 도플러 이동을 융합함으로써 해결하는 것.
• GNSS와 시각 기반 시스템이 별도로 실패하는 도시 캐년 및 저텍스처 환경에서 위치 측정 정확도를 향상시키는 것.
• 촬영, IMU 측정, GNSS 수신 간의 센서 이종성을 최적화 프레임워크 내에서 정밀한 시간 정렬을 통해 처리하는 것.
• 최적화 파이프라인 내에서 노이지 측정값 제거 및 마진화 기법을 통합하여 시스템의 견고성을 향상시키는 것.

제안 방법

• 슬라이딩 윈도우 최적화 프레임워크 내에서 시각적 특징의 재투영 오차, IMU 프리인.tegration 오차, 원시 GNSS 측정오차(유도거리 및 도플러 이동)를 동시에 최소화하는 방법.
• 이미지 촬영, IMU 측정, GNSS 측정 간의 시간 오프셋을 최적화 과정에 명시적으로 모델링하여 이종성 문제를 처리하는 방법.
• GNSS 측정값의 노이지 제거를 위한 이중 단계 전략: 첫 번째 단계로 이상치를 식별하는 GNSS 솔버를 사용하고, 두 번째 단계로 기하학적 및 운동학적 제약 조건을 융합한 혼합 솔버를 적용하여 견고성을 향상시키는 방법.
• GNSS 단일점 위치 측정 결과와 VI-SLAM 트래잭터리를 정렬하여 초기 ECEF-에서-ENU 및 ENU-에서-로컬 월드 프레임 변환을 추정함으로써 GNSS-SLAM 초기화를 수행하는 방법.
• 오래된 상태를 제거하면서도 슈어 컴플리먼트 기법을 통해 정보를 유지함으로써 계산 효율성을 확보하기 위해 마진화 기법을 적용하는 방법.
• 평가 시 정확한 비교를 위해 지상 진실값 및 기준 방법과의 비교를 위해 트래잭터리 정렬을 위한 강체 변환을 적용하는 방법.

실험 결과

연구 질문

• RQ1 원시 GNSS 측정값(유도거리 및 도플러 이동)을 시각적 및 관성 데이터와 밀착 통합함으로써 도시 환경에서의 전역 위치 측정 정확도가 향상되는가?
• RQ2 시각, 관성, 원시 GNSS 오차를 동시에 최적화하는 방식이 느슨한 결합 또는 EKF 기반 융합 대비 트래잭터리 정확도 및 견고성 측면에서 어떻게 비교되는가?
• RQ3 촬영기, IMU, GNSS 수신기 간의 센서 이종성을 최적화 프레임워크 내에서 어느 정도 완화할 수 있는가?
• RQ4 제안된 이중 단계 노이지 GNSS 측정값 제거 방법이 계산 비용을 크게 증가시키지 않으면서 정확도 향상에 기여하는가?
• RQ5 이 시스템은 도시 캐년 및 저텍스처 환경과 같은 도전적인 상황에서 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 방법은 CA 20190828173350 시퀀스에서 14.33 m의 변위 RMSE를 기록하여 VINS-mono(19.08 m), GNSS SPP(20.28 m), VINS-Fusion(14.337 m)보다 유의미하게 높은 정확도를 확보하였다.
• CA 20190828190411 시퀀스에서는 혼합 솔버를 사용할 경우 RMSE를 4.455 m로 감소시켰으며, GNSS 솔버 단독 사용 시 5.941 m보다 우수한 성능을 보였다. 이는 이중 단계 제거 접근법의 효과를 입증한다.
• 모든 시퀀스에서 트래잭터리 완전성이 향상되었으며, GNSS 신호가 떨어지는 환경에서도 높은 위치 가용성을 유지하였다.
• Google Earth에 투영한 결과, 복잡한 도시 환경에서 실제 도로 경로와 일치하는 전역적으로 일관된 트래잭터리를 확보하였으며, 이는 시스템의 정확성을 확인하는 데 기여하였다.
• 두 번째 노이지 측정값 제거 방법(혼합 솔버)은 GNSS 솔버 대비 평균 ATE를 25% 감소시켰지만, 평균 소비 시간은 25배 증가(24.66 ms 대비 0.389 ms)하였다.
• 모든 테스트 시퀀스에서 제안된 방법은 최신 기술인 VI-SLAM(VINS-mono), GNSS 단일점 위치 측정(RTKLIB), 느슨한 결합(VINS-Fusion)보다 변위 및 회전 정확도 측면에서 모두 뛰어난 성능을 보였다.