[논문 리뷰] Robust Odometry and Mapping for Multi-LiDAR Systems with Online Extrinsic Calibration

Jianhao Jiao, Haoyang Ye외 2명|arXiv (Cornell University)|2020. 10. 27.

Robotics and Sensor-Based Localization참고 문헌 81인용 수 12

한 줄 요약

이 논문은 수동 초기화 없이 실시간 오odomentry, 매핑, 외부 캘리브레이션을 동시에 수행하는 강력하고 온라인인 다중 LiDAR SLAM 시스템인 M-LOAM을 제안한다. 이 시스템은 운동 기반 초기화, 온라인 수렴 검출, 불확실성 인식 기능 관리와 함께 슬라이딩 윈도우 최적화기를 사용하여 복잡한 환경에서도 센티미터 수준의 정확도를 달성한다.

ABSTRACT

Combining multiple LiDARs enables a robot to maximize its perceptual awareness of environments and obtain sufficient measurements, which is promising for simultaneous localization and mapping (SLAM). This paper proposes a system to achieve robust and simultaneous extrinsic calibration, odometry, and mapping for multiple LiDARs. Our approach starts with measurement preprocessing to extract edge and planar features from raw measurements. After a motion and extrinsic initialization procedure, a sliding window-based multi-LiDAR odometry runs onboard to estimate poses with online calibration refinement and convergence identification. We further develop a mapping algorithm to construct a global map and optimize poses with sufficient features together with a method to model and reduce data uncertainty. We validate our approach's performance with extensive experiments on ten sequences (4.60km total length) for the calibration and SLAM and compare them against the state-of-the-art. We demonstrate that the proposed work is a complete, robust, and extensible system for various multi-LiDAR setups. The source code, datasets, and demonstrations are available at https://ram-lab.com/file/site/m-loam.

연구 동기 및 목표

• 사전 외부 캘리브레이션 없이, 특히 사전 지식이 제한된 실제 환경에서 다중 LiDAR 시스템을 구축하는 데 도전하는 것.
• 운영 중에 안정적으로 수렴하는 온라인 비지도 외부 캘리브레이션을 실현하여 수동 재캘리브레이션을 피하는 것.
• 매핑 포인트와 기능의 불확실성 모델링을 통해 SLAM에서 자세 드리프트를 감소시키는 것.
• 최소한의 인간 간섭으로 다양한 다중 LiDAR 구성 방식을 지원하는 완전하고 확장 가능한 시스템을 개발하는 것.

제안 방법

• 캘리브레이션 물체나 사전 기계적 지식이 필요 없이 운동 기반 초기화를 통해 LiDAR 간의 초기 외부 변환을 추정한다.
• 고주파, 정밀한 자세 추정을 위해 다중 LiDAR 측정치를 융합하는 슬라이딩 윈도우 기반 최적화 프레임워크를 적용한다.
• 캘리브레이션이 안정화될 때 자동으로 종료되는 일반적인 수렴 기준을 도입하여 온라인 캘리브레이션을 위한 기준을 설정한다.
• 확률적 표현을 사용해 매핑 포인트의 불확실성을 모델링하고, 강력한 추정 기법을 통해 이상치를 거르는 방법을 적용한다.
• 계산 효율성과 시간에 따른 상태 일관성을 유지하기 위해 최적화 과정에서 슈어 보조 기반 마진화를 적용한다.
• 자기 상태를 마진화한 상태에서 효율적이고 점진적인 최적화를 가능하게 하기 위해 Ceres 솔버를 활용하고, 야코비 기반 정보 행렬 업데이트를 적용한다.

실험 결과

연구 질문

• RQ1 다중 LiDAR SLAM 시스템은 센서 구성에 대한 사전 지식 없이도 수동 간섭 없이 정확하고 강력한 외부 캘리브레이션을 달성할 수 있는가?
• RQ2 실시간 운영 중에 완전히 비지도 방식으로 온라인 캘리브레이션을 신뢰성 있게 검출하고 종료할 수 있는가?
• RQ3 데이터 불확실성 모델링이 구조가 없는 환경에서 자세 추정 정확도와 매핑 일관성에 얼마나 기여하는가?
• RQ4 다중 LiDAR 융합을 통한 슬라이딩 윈도우 기반 접근 방식이 단일 LiDAR 또는 단순 다중 센서 융합 대비 자세 드리프트를 효과적으로 줄일 수 있는가?
• RQ5 다양한 환경과 다양한 센서 구성 방식을 가진 다양한 다중 LiDAR 설정에서 시스템 성능은 어떻게 나타나는가?

주요 결과

• 제안된 시스템은 총 4.60 km에 이르는 10개의 다양한 시퀀스에서 센티미터 수준의 캘리브레이션 정확도를 달성하여 실제 환경 조건에서도 뛰어난 강건성을 입증하였다.
• 온라인 수렴 검출 기술은 인간의 감시 없이도 안정된 캘리브레이션 상태를 성공적으로 식별하여, 동적인 환경에서도 신뢰할 수 있는 운영을 가능하게 하였다.
• 불확실성 인식 기반 매핑 알고리즘은 이상치의 영향을 줄이고, 특히 희박하거나 기능이 부족한 영역에서 매핑 일관성을 향상시켰다.
• 특히 좁은 복도나 외부 주행 노선과 같은 도전적인 상황에서, 최첨단 기술 대비 캘리브레이션 정확도와 자세 추정 안정성에서 뛰어난 성능을 보였다.
• 광범위한 실험을 통해 시스템의 확장성과 강건성이 다양한 다중 LiDAR 구성에서 검증되었으며, 실용적 구현 가능성도 확인되었다.