[논문 리뷰] R-LINS: A Robocentric Lidar-Inertial State Estimator for Robust and Efficient Navigation

Chao Qin, Haoyang Ye외 4명|arXiv (Cornell University)|2019. 08. 22.

Robotics and Sensor-Based Localization인용 수 7

한 줄 요약

R-LINS는 6축 자이로스코프와 3D 레이저 레인지 센서를 사용하여 로보세트릭스 기반, 밀착된 레이저-자이로스코프 상태 추정기를 제안한다. 반복 오차 상태 칼만 필터를 활용하여 특징 대응 관계를 반복적으로 개선함으로써, 이동하는 국소 프레임에서 상태 추정을 재구성함으로써 계산 비용을 감소시키고 필터 발산을 방지함으로써, 최첨단 LIO 방법 대비 약 10배의 속도 향상을 이룩한 실시간이고 견고한 성능을 달성한다.

ABSTRACT

We present R-LINS, a lightweight robocentric lidar-inertial state estimator, which estimates robot ego-motion using a 6-axis IMU and a 3D lidar in a tightly-coupled scheme. To achieve robustness and computational efficiency even in challenging environments, an iterated error-state Kalman filter (ESKF) is designed, which recursively corrects the state via repeatedly generating new corresponding feature pairs. Moreover, a novel robocentric formulation is adopted in which we reformulate the state estimator concerning a moving local frame, rather than a fixed global frame as in the standard world-centric lidar-inertial odometry(LIO), in order to prevent filter divergence and lower computational cost. To validate generalizability and long-time practicability, extensive experiments are performed in indoor and outdoor scenarios. The results indicate that R-LINS outperforms lidar-only and loosely-coupled algorithms, and achieve competitive performance as the state-of-the-art LIO with close to an order-of-magnitude improvement in terms of speed.

연구 동기 및 목표

• 어려운 조건에서 기존의 월드세트릭스 레이저-자이로스코프 오픈도미터(LIO)에서 발생하는 필터 발산과 높은 계산 비용 문제를 해결하기 위해.
• 장기 주행에서의 견고성과 효율성을 향상시키기 위해 상태 추정을 이동하는 국소 프레임에서 재구성하기 위해.
• 최첨단 LIO 시스템과 비교해도 경쟁적인 정확도를 유지하면서 계산 부담을 줄이고 실시간 성능을 달성하기 위해.
• 다양한 실내 및 실외 환경에서의 일반화 능력을 검증하기 위해.

제안 방법

• 고정된 글로벌 프레임이 아닌 이동하는 국소 프레임에 기반한 로보세트릭스 설정을 도입하여 상태 추정기를 정의한다.
• 반복 오차 상태 칼만 필터(ESKF)를 활용하여 각 반복 단계에서 새로운 특징 대응 관계를 생성함으로써 상태를 순차적으로 보정한다.
• 3D 레이저와 6축 자이로스코프 측정치를 밀착된 방식으로 융합하여 추정 정확도를 향상시킨다.
• 국소 프레임에서 특징 기반의 대응 관계 생성 및 오차 보정을 적용하여 노이즈와 동적 환경에 대한 견고성을 향상시킨다.
• 낮은 계산 비용을 유지하면서도 높은 정확도를 확보하기 위해 경량 설계를 구현한다.
• 이격된 국소 프레임에서 상태 전파 및 보정 단계를 재구성하여 어려운 상황에서의 드리프트 및 발산을 최소화한다.

실험 결과

연구 질문

• RQ1 로보세트릭스 설정은 월드세트릭스 접근 방식에 비해 레이저-자이로스코프 상태 추정의 견고성과 효율성 향상에 기여하는가?
• RQ2 반복 오차 상태 칼만 필터링은 동적 또는 특징이 적은 환경에서 상태 추정 정확도를 어떻게 향상시키는가?
• RQ3 이동하는 국소 프레임 설정이 계산 비용을 얼마나 줄이고 필터 발산을 방지하는가?
• RQ4 제안된 방법은 최첨단 LIO 시스템과 비교해 실시간 성능을 달성하면서도 경쟁적인 정확도를 확보할 수 있는가?
• RQ5 이 방법은 다양한 실내 및 실외 주행 시나리오에 대해 얼마나 일반화 가능한가?

주요 결과

• R-LINS는 다양한 환경에서 레이저 단독 및 느슨한 융합 알고리즘보다 추정 정확도와 견고성 면에서 뛰어난 성능을 보였다.
• 최첨단 LIO 시스템과 경쟁적인 성능을 달성하면서도 계산 비용을 거의 10배 감소시켰다.
• 로보세트릭스 설정은 특히 장기 주행에서 필터 발산 위험을 크게 감소시켰다.
• 반복 ESKF는 여러 보정 반복을 통해 특징 대응 관계를 정밀하게 개선함으로써 수렴성과 정확도를 향상시켰다.
• 광범위한 실험을 통해 방법의 일반화 능력과 실내 및 실외 환경 모두에서의 장기적 실용성을 확인하였다.
• 기존의 고성능 LIO 솔루션 대비 거의 10배의 속도 향상을 보이며 실시간 기능을 입증하였다.