[논문 리뷰] Stereo Visual Inertial LiDAR Simultaneous Localization and Mapping

Weizhao Shao, Srinivasan Vijayarangan외 2명|arXiv (Cornell University)|2019. 02. 27.

Robotics and Sensor-Based Localization참고 문헌 41인용 수 9

한 줄 요약

이 논문은 스테레오 시각-자이로스코프 LiDAR 시스템인 VIL-SLAM을 제안한다. 이 시스템은 스테레오 시각-자이로스코프 온도메트리(VIO)와 LiDAR 매핑, LiDAR 강화 시각 루프 클로징을 융합하여 안정적이고 실시간으로 6-DOF 자세 추정과 1cm 밀도 밀도의 벽돌 맵을 구현한다. 이 시스템은 터널이나 복도와 같은 열악한 환경에서 순수 LiDAR SLAM이 실패하는 상황에서도 VIO를 통해 드리프트를 줄이고, ICP로 정밀화된 루프 클로징을 통해 전역 오차를 보정함으로써 최신 기술보다 뛰어난 성능을 발휘한다.

ABSTRACT

Simultaneous Localization and Mapping (SLAM) is a fundamental task to mobile and aerial robotics. LiDAR based systems have proven to be superior compared to vision based systems due to its accuracy and robustness. In spite of its superiority, pure LiDAR based systems fail in certain degenerate cases like traveling through a tunnel. We propose Stereo Visual Inertial LiDAR (VIL) SLAM that performs better on these degenerate cases and has comparable performance on all other cases. VIL-SLAM accomplishes this by incorporating tightly-coupled stereo visual inertial odometry (VIO) with LiDAR mapping and LiDAR enhanced visual loop closure. The system generates loop-closure corrected 6-DOF LiDAR poses in real-time and 1cm voxel dense maps near real-time. VIL-SLAM demonstrates improved accuracy and robustness compared to state-of-the-art LiDAR methods.

연구 동기 및 목표

• 터널이나 특징이 없는 복도와 같이 LiDAR가 구조적 열악성으로 인해 실패하는 열악한 환경에서 순수 LiDAR SLAM의 한계를 해결한다.
• 밀접하게 결합된 스테레오 시각-자이로스코프 온도메트리(VIO)를 LiDAR 기반 매핑 및 루프 클로징과 융합하여 장기적인 SLAM의 안정성과 정확도를 향상시킨다.
• 하이브리드 센서 융합 프레임워크를 사용하여 실시간으로 전역 일관성을 확보한 6-DOF 자세 추정과 근접 실시간 밀도 높은 1cm 벽돌 맵 생성을 가능하게 한다.
• 시간 간격 레이저 스캔(Faro)을 활용한 새로운 평가 방법을 개발하여 매핑 정확도를 기준값과 비교 검증한다.
• 순수 LiDAR 시스템이 실패하는 도전적인 환경에서 최신 기술인 LOAM 등과 비교해 뛰어난 성능을 입증한다.

제안 방법

• 고정 레그 스무딩을 사용한 밀착된 스테레오 VIO를 적용하여, 자이로스코프와 스테레오 시각 측정값을 동시에 최적화함으로써 고주기이고 낮은 드리프트를 가진 상대 운동을 추정한다.
• 희박한 3D LiDAR 특징을 사용하여 스캔 매칭과 매핑 정렬을 수행함으로써 고해상도 3D 포인트 클라우드의 정확한 누적을 가능하게 한다.
• 하이브리드 루프 클로징 메커니즘을 도입: 먼저 시각적 장소 인식을 위한 Bag-of-Words를 사용해 후보를 탐지하고, 이후 희박한 LiDAR 포인트 클라우드에서 PnP와 ICP를 통해 자세 보정을 정밀화한다.
• 루프 클로징 제약 조건을 사용하여 증분적 자세 그래프 최적화를 적용함으로써 누적된 드리프트를 줄이고 전역적으로 자세를 정밀화한다.
• 시스템에서 전역 최적화된 자세를 기반으로 근접 실시간으로 밀도 높은 1cm 벽돌 맵을 생성한다.
• 유로크 MAV 데이터셋에서 절대 궤적 오차(ATE)를 사용하여 VIO 성능을 검증함으로써, 극단적인 운동과 무문자 영역 조건에서도 안정성을 입증한다.

실험 결과

연구 질문

• RQ1 순수 LiDAR SLAM이 실패하는 환경(예: 터널, 특징이 없는 복도)에서 스테레오 VIO와 LiDAR 매핑의 밀착 융합이 SLAM의 안정성을 향상시키는가?
• RQ2 열악한 상황에서, LiDAR로 강화된 시각 루프 클로징은 순수 시각 또는 순수 LiDAR 기반 루프 클로징에 비해 정확도와 수렴 속도 측면에서 어떻게 비교되는가?
• RQ3 VIO의 통합이 장거리 주행 동안 LiDAR 기반 온도메트리의 드리프트를 어느 정도 감소시키는가?
• RQ4 시스템은 다양한 환경에서 실시간으로 전역 일관성을 확보한 6-DOF 자세 추정과 밀도 높은 1cm 벽돌 맵 생성을 달성할 수 있는가?
• RQ5 시간 간격 레이저 스캐너(Faro)로부터의 기준값과 비교해, 제안된 시스템은 매핑 및 궤적 정확도 측면에서 정량적으로 어떻게 성능을 발휘하는가?

주요 결과

• 오직 온도메트리만을 사용한 거대한 루프 테스트에서 VIL-SLAM은 0.01%의 FDE(Final Deviation Error)를 달성했으며, Z축 방향 드리프트로 인해 재진입에 실패하는 LOAM보다 뛰어난 성능을 보였다.
• 터널 테스트에서 루프 클로징은 FDE를 0.08%로 감소시켜 주행 방향으로 누적된 심각한 드리프트를 보정했으며, LOAM는 완전히 실패했다.
• 복도 테스트에서 루프 클로징은 특징이 없는 벽과 제약이 적은 VIO로 인한 비정상적인 정렬을 탐지하고 보정함으로써 FDE를 0.05%로 감소시켰다.
• 유로크 MAV 데이터셋에서 VIL-VIO는 최신 기술 수준의 성능을 보이며 절대 궤적 오차(ATE)에서 유사한 결과를 도출했고, 운동 왜곡, 조도 변화, 무문자 영역에 대한 강건성을 입증했다.
• 시스템은 전역 일관성 있고 밀도 높은 1cm 벽돌 맵을 근접 실시간으로 생성했으며, 고베이 테스트에서 매핑 오차의 대부분이 0.15m 이하로 유지되었고, Faro 레이저 스캔을 통해 검증되었다.
• VIL-SLAM은 LOAM가 실패하는 복잡하고 장거리 주행 환경—외부, 내부, 열악한 상황까지 포함—을 성공적으로 매핑하여 뛰어난 안정성과 정확도를 입증했다.