[논문 리뷰] Robust Inertial-aided Underwater Localization and Navigation based on Imaging Sonar Keyframes

Yang Xu, Ronghao Zheng외 2명|arXiv (Cornell University)|2021. 01. 01.

Underwater Vehicles and Communication Systems참고 문헌 31인용 수 2

한 줄 요약

이 논문은 희박한 특징과 고도 각도 상실로 인해 2차원 소나 SLAM에서 발생하는 열악한 상황을 해결하기 위해 영상 소나 키프레임과 탄성 슬라이딩 윈도우를 활용한 강인한 관성 보조 수중 SLAM 시스템을 제안한다. 삼각측량 성질을 분석하고 유의미한 키프레임을 선택함으로써 제약 조건의 정확도와 스케일 안정성을 향상시키며, 루프 클로징 없이도 외곽값에 강건한 성능을 보여준다.

ABSTRACT

Imaging sonars have shown better flexibility than optical cameras in underwater localization and navigation for autonomous underwater vehicles (AUVs). However, the sparsity of underwater acoustic features and the loss of elevation angle in sonar frames have imposed degeneracy cases, namely under-constrained or unobservable cases according to optimization-based or EKF-based simultaneous localization and mapping (SLAM). In these cases, the relative ambiguous sensor poses and landmarks cannot be triangulated. To handle this, this paper proposes a robust imaging sonar SLAM approach based on sonar keyframes (KFs) and an elastic sliding window. The degeneracy cases are further analyzed and the triangulation property of 2D landmarks in arbitrary motion has been proved. These degeneracy cases are discriminated and the sonar KFs are selected via saliency criteria to extract and save the informative constraints from previous sonar measurements. Incorporating the inertial measurements, an elastic sliding windowed back-end optimization is proposed to mostly utilize the past salient sonar frames and also restrain the optimization scale. Comparative experiments validate the effectiveness of the proposed method and its robustness to outliers from the wrong data association, even without loop closure.

연구 동기 및 목표

• 희박한 음향 특징과 고도 각도 상실로 인한 2차원 영상 소나 SLAM에서의 열악한 상황을 해결하기 위해.
• 광학 센서가 실패하는 수중 환경에서의 정위치 및 맵핑 강인성 향상을 위해.
• 과거 소나 측정치로부터 정보적인 제약 조건을 유지하는 키프레임 기반 방법을 개발하기 위해.
• 관성 측정치를 슬라이딩 윈도우 최적화와 융합하여 스케일 안정성 향상과 드리프트 감소를 위해.
• 루프 클로징 없이도 강인한 성능을 달성하기 위해.

제안 방법

• 시퀀스 소나 프레임에서 정보적인 소나 키프레임(KFs)을 선택하기 위해 유의미성 기반 기준을 사용한다.
• 임의의 운동 조건 하에서 2차원 지점의 삼각측량 성질을 증명하여 열악한 경우의 제약 복구를 가능하게 한다.
• 과거 유의미한 KFs를 유지하면서 상태 추정치를 최적화하기 위해 탄성 슬라이딩 윈도우를 활용한다.
• 관성 측정치를 소나 제약 조건과 융합하여 관측 가능성 향상과 스케일 드리프트 감소를 도모한다.
• 백엔드 최적화에서 과거 키프레임을 선택적으로 유지하여 제약 조건 활용도를 극대화하고 계산 부담을 최소화한다.
• 지오메트릭 분석을 통해 지점의 가시성과 운동 제약 조건을 기반으로 열악한 경우를 식별한다.

실험 결과

연구 질문

• RQ1 희박한 특징 조건 하에서 2차원 영상 소나 SLAM의 열악한 상황은 어떻게 식별하고 해결할 수 있는가?
• RQ2 임의의 차량 운동 조건 하에서 2차원 지점이 어떻게 관측 가능하고 삼각측량이 가능한지에 대한 기하학적 성질은 무엇인가?
• RQ3 키프레임 선택은 제약 조건 품질 향상과 최적화 시 스케일 드리프트 감소에 어떻게 기여하는가?
• RQ4 루프 클로징 없이 관성 보조 최적화가 얼마나 정확도를 유지할 수 있는가?
• RQ5 탄성 슬라이딩 윈도우는 데이터 할당 오류에 대해 얼마나 강인한가?

주요 결과

• 제안된 방법은 유의미한 키프레임과 기하학적 제약 조건을 활용하여 2차원 소나 SLAM의 열악한 상황을 성공적으로 완화한다.
• 임의의 운동 조건 하에서 2차원 지점의 삼각측량이 가능하다는 것이 증명되었으며, 이는 희박한 특징 환경에서도 상태 추정이 가능하게 한다.
• 탄성 슬라이딩 윈도우는 과거 키프레임 활용을 최적화하여 스케일 안정성을 향상시키고 드리프트를 감소시킨다.
• 루프 클로징 없이도 잘못된 데이터 할당에서 발생하는 외곽값에 강건한 성능을 보여준다.
• 비교 실험 결과 기준 방법 대비 향상된 정위치 정확도와 일관성을 확인하였다.
• 관성 측정치의 통합은 관측 가능성 향상과 자세 추정의 모호성 감소에 기여한다.