[논문 리뷰] Scalable Magnetic Field SLAM in 3D Using Gaussian Process Maps

Manon Kok, Arno Solin|arXiv (Cornell University)|2018. 04. 05.

Robotics and Sensor-Based Localization인용 수 8

한 줄 요약

이 논문은 스마트폰을 이용한 정밀하고 인프라 없는 실내 위치 기반 시스템을 구현하기 위해 가우시안 프로세스 지도와 육각형 블록 타일링을 사용하는 확장 가능한 3D 자기장 SLAM 시스템을 제안한다. 감소된 질량의 GP 회귀와 라오-블랙웰라이즈드 퍼티클 필터를 결합함으로써 선형 계산 복잡도와 컴act한 지도 저장을 달성하여 실제 환경에서 대규모 3D 지ap핑과 드리프트 보정이 가능해진다.

ABSTRACT

We present a method for scalable and fully 3D magnetic field simultaneous localisation and mapping (SLAM) using local anomalies in the magnetic field as a source of position information. These anomalies are due to the presence of ferromagnetic material in the structure of buildings and in objects such as furniture. We represent the magnetic field map using a Gaussian process model and take well-known physical properties of the magnetic field into account. We build local maps using three-dimensional hexagonal block tiling. To make our approach computationally tractable we use reduced-rank Gaussian process regression in combination with a Rao-Blackwellised particle filter. We show that it is possible to obtain accurate position and orientation estimates using measurements from a smartphone, and that our approach provides a scalable magnetic field SLAM algorithm in terms of both computational complexity and map storage.

연구 동기 및 목표

• 건물 내 부성자성 물질에서 유래하는 자기장 비정상 현상을 이용해 확장 가능한 완전 3D 동시 위치 결정 및 지도 제작(SLAM)을 가능하게 하기 위해.
• 대규모 환경에서 전체 3D 가우시안 프로세스 회귀의 계산 비가용성 문제를 해결하기 위해.
• 위치 기반 정확도를 유지하면서도 저장 및 계산 비용을 최소화하는 컴act하고 효율적인 지도 표현 방식을 개발하기 위해.
• 자이로스코프 및 자이로스코프 오도메트리 데이터를 하나의 확률적 프레임워크에 통합하여 강력한 6차원 자세 추정을 수행하기 위해.

제안 방법

• 자기장을 물리적 제약 조건을 반영한 맥스웰 방정식에 기반한 사전 정보를 갖춘 가우시안 프로세스로 모델링한다.
• 대규모 3D 체적에서의 GP 회귀를 계산적으로 가능하게 하기 위해 기저 함수를 사용한 감소된 질량 근사법을 적용한다.
• 지도를 3D 육각형 블록 타일로 분할하여 확장 가능하고 국소화된 추론을 가능하게 한다.
• 각 타일은 입자가 해당 부피에 진입할 때만 업데이트되므로 계산 부담을 최소화하고 점진적인 지도 확장을 가능하게 한다.
• 라오-블랙웰라이즈드 퍼티클 필터(RBPF)를 사용해 자세와 국소 지도를 동시에 추정하며, 자세 추정과 지도 추정을 분리함으로써 효율성을 높인다.
• 스마트폰 센서(예: ARKit)에서 얻은 오도메트리 데이터를 자기계측기 측정치와 융합하여 자세 추정의 드리프트를 보정한다.

실험 결과

연구 질문

• RQ1 대규모 실내 환경에서 완전 3D 자기장 SLAM 시스템을 계산적으로 실행 가능하게 만들 수 있는가?
• RQ2 맥스웰 방정식에서 유도된 물리적 제약 조건을 어떻게 가우시안 프로세스 사전에 통합하여 자기장 모델링의 정확도를 향상시킬 수 있는가?
• RQ3 균일한 격자나 다른 타일링 기법에 비해 육각형 블록 타일링이 지도 저장 및 계산 복잡도를 어떻게 감소시킬 수 있는가?
• RQ4 감소된 질량의 GP 근사법이 3D 자기장 지도 제작에서 정확도를 얼마나 유지할 수 있는가?
• RQ5 자기계측기와 자이로스코프 오도메트리만을 사용하는 RBPF 기반 SLAM 프레임워크는 자세 드리프트를 얼마나 잘 보정하는가?

주요 결과

• 알고리즘은 다층 주행과 같은 복잡한 3D 환경에서도 높은 정확도로 6차원 자세(위치 및 자세)를 추정한다.
• 반복적인 동일 경로 주행을 통해 스마트폰 오도메트리의 심각한 드리프트를 효과적으로 보정함을 입증하였다.
• 각 육각형 블록 타일은 약 260 m³의 공간을 커버하며 상태 차원은 단지 256으로 유지되어 컴act한 지도 표현이 가능하다.
• 스털링 존스 칼리지 캠브리지의 27개 타일 지도를 통해 대규모 환경에서도 확장 가능함을 입증하였으며, 실외-실내 전환까지 포함하였다.
• 계단을 오르내리는 비평면 운동 상황에서도 알고리즘의 3D 특성이 검증되었으며, 일관된 위치 기반 성능 유지를 보였다.
• 감소된 질량 GP 회귀, 육각형 타일링, RBPF를 동시에 적용한 최초의 3D 자기장 SLAM 접근법으로, 선형 계산 복잡도 스케일링을 달성하였다.