[논문 리뷰] Robust Stereo Visual Inertial Odometry for Fast Autonomous Flight

Ke Sun, Kartik Mohta외 6명|arXiv (Cornell University)|2017. 11. 30.

Robotics and Sensor-Based Localization참고 문헌 23인용 수 17

한 줄 요약

이 논문은 빠른 자율 비행을 위한 필터 기반 스테레오 시각-자이로스코프 오도메트리 시스템인 S-MSCKF를 제안한다. 다중 상태 제약 칼만 필터를 사용하여 단일 카메라 수준의 계산 효율성을 확보하면서도 도전적인 환경에서의 강인성을 크게 향상시켰으며, EuRoC 및 자체 개발한 고속 비행 데이터셋(최대 17.5 m/s)을 통해 검증되었다.

ABSTRACT

In recent years, vision-aided inertial odometry for state estimation has matured significantly. However, we still encounter challenges in terms of improving the computational efficiency and robustness of the underlying algorithms for applications in autonomous flight with micro aerial vehicles in which it is difficult to use high quality sensors and pow- erful processors because of constraints on size and weight. In this paper, we present a filter-based stereo visual inertial odometry that uses the Multi-State Constraint Kalman Filter (MSCKF) [1]. Previous work on stereo visual inertial odometry has resulted in solutions that are computationally expensive. We demonstrate that our Stereo Multi-State Constraint Kalman Filter (S-MSCKF) is comparable to state-of-art monocular solutions in terms of computational cost, while providing signifi- cantly greater robustness. We evaluate our S-MSCKF algorithm and compare it with state-of-art methods including OKVIS, ROVIO, and VINS-MONO on both the EuRoC dataset, and our own experimental datasets demonstrating fast autonomous flight with maximum speed of 17.5m/s in indoor and outdoor environments. Our implementation of the S-MSCKF is available at https://github.com/KumarRobotics/msckf_vio.

연구 동기 및 목표

• 제한된 차량 내 컴퓨팅 성능과 낮은 수준의 센서 품질을 가진 마이크로 항공기(MAV)에서 고정밀 실시간 상태 추정을 달성하는 데 도전한다.
• 스테레오 VIO가 단일 카메라 VIO보다 계산 비용이 더 높다는 일반적인 인식을 넘어, 유사하거나 더 낮은 효율성을 보여줌으로써 이를 극복한다.
• 고속 운동, 낮은 무늬, 변동하는 조도 조건과 같은 극한 조건에서도 강인성을 유지하는 필터 기반 스테레오 VIO 시스템을 개발한다.
• 라이다 및 GPS가 없는 비정형 환경에서 차량 내 센서와 랩탑 수준의 컴퓨터만을 사용해 완전 자율 비행을 가능하게 한다.
• 더 넓은 연구 및 적용을 위해 오픈소스이자 실시간 구현이 가능한 소스를 제공한다.

제안 방법

• 스테레오 시각을 위해 다중 상태 제약 칼만 필터(MSCKF)를 적응시켜, 두 대의 동기화된 카메라 프레임을 독립적인 측정값으로 통합한다.
• 상태 추정 문제를 인지하기 위해 요소 그래프 표현을 사용하며, 상태 벡터에는 자세, 속도, 바이어스, 카메라 위치가 포함된다.
• 확장 칼만 필터(EKF) 프레임워크를 적용하여 상태와 공분산을 반복적으로 추정하며, IMU 및 스테레오 영상 측정값에 기반한 예측 및 갱신 단계를 수행한다.
• 체인 룰을 사용하여 스테레오 특징의 측정 임계값을 유도하며, 좌우 카메라 투영과 그들의 전역 프레임으로의 변환을 모두 고려한다.
• 스테레오 특징에 의해 유도되는 다중 상태 제약을 처리하기 위해 상태 증강 기법을 도입하여 다양한 시야 간의 일관된 상태 추정을 보장한다.
• 고속 조작과 동적인 환경에서 정확도를 유지하기 위해 강인한 초기화 및 재선형화 전략을 구현한다.

실험 결과

연구 질문

• RQ1 스테레오 시각-자이로스코프 오도메트리 시스템이 단일 카메라 솔루션과 유사한 계산 효율성을 확보하면서도 뛰어난 강인성을 유지할 수 있는가?
• RQ2 제안된 S-MSCKF는 고속 비행(최대 17.5 m/s) 및 낮은 무늬 환경과 같은 극한의 비행 조건에서 어떻게 성능을 발휘하는가?
• RQ3 GPS가 없는 동적 환경에서 스테레오 구성은 단일 카메라 VIO에 비해 얼마나 강인성을 향상시키는가?
• RQ4 GPU 가속 없이도 랩탑 수준의 컴퓨터에서 필터 기반 스테레오 VIO가 실시간으로 실행될 수 있는가?
• RQ5 S-MSCKF는 OKVIS, ROVIO, VINS-MONO와 같은 최신 기술 대비 정확도, 효율성, 강인성에서 어떻게 비교되는가?

주요 결과

• S-MSCKF는 VINS-MONO와 같은 최신 단일 카메라 VIO 시스템과 유사하거나 더 낮은 CPU 사용량을 기록하여 유사한 계산 효율성을 확보한다.
• 시스템은 고속 비행에서 뛰어난 성능을 보이며, 실내 및 실외 환경에서 최대 17.5 m/s의 속도로 성공적으로 비행을 수행했다.
• EuRoC 데이터셋에서 S-MSCKF는 OKVIS, ROVIO, VINS-MONO보다 정확도와 강인성 면에서 뛰어나며, 특히 낮은 무늬 및 고동적 상황에서 두각을 나타냈다.
• 단일 카메라 시스템에 비해 스테레오 구성은 운동 왜곡, 조도 변화, 특징 손실에 대한 강인성을 크게 향상시켰다.
• 간헐적인 CPU 피크 없이 일관된 성능을 유지하여 자원 제약이 있는 플랫폼에서 실시간 차량 내 배포에 적합하다.
• 오픈소스 구현체는 https://github.com/KumarRobotics/msckf_vio 에 공개되어 있어 재현성과 향후 연구를 가능하게 한다.