[논문 리뷰] Targetless Calibration of LiDAR-IMU System Based on Continuous-time Batch Estimation

Jiajun Lv, Jinhong Xu외 3명|arXiv (Cornell University)|2020. 07. 29.

Robotics and Sensor-Based Localization참고 문헌 30인용 수 5

한 줄 요약

이 논문은 연속시간 배치 추정과 B-스플라인으로 파arameter화된 궤적을 사용하며, 표면 요소(based data association)를 활용하는 타겟리스(LiDAR-IMU) 캘리브레이션 방법인 LI-Calib을 제안한다. 이는 인공 목표물이나 추가 센서 없이도 구조적인 환경에서 높은 정확도와 반복성을 달성하며, 원시 IMU 측정치와 LiDAR 포인트-표면 요소 잔차를 동시에 최소화함으로써 실제 실험에서 밀리미터 이내의 이동 오차와 도리어도 이내의 회전 오차를 달성한다. 또한 오픈소스 코드가 제공된다.

ABSTRACT

Sensor calibration is the fundamental block for a multi-sensor fusion system. This paper presents an accurate and repeatable LiDAR-IMU calibration method (termed LI-Calib), to calibrate the 6-DOF extrinsic transformation between the 3D LiDAR and the Inertial Measurement Unit (IMU). % Regarding the high data capture rate for LiDAR and IMU sensors, LI-Calib adopts a continuous-time trajectory formulation based on B-Spline, which is more suitable for fusing high-rate or asynchronous measurements than discrete-time based approaches. % Additionally, LI-Calib decomposes the space into cells and identifies the planar segments for data association, which renders the calibration problem well-constrained in usual scenarios without any artificial targets. We validate the proposed calibration approach on both simulated and real-world experiments. The results demonstrate the high accuracy and good repeatability of the proposed method in common human-made scenarios. To benefit the research community, we open-source our code at \url{https://github.com/APRIL-ZJU/lidar_IMU_calib}

연구 동기 및 목표

• 인공 목표물이나 추가 센서 없이도 고정밀도이고 반복 가능한 LiDAR-IMU 캘리브레이션 방법을 개발하기 위해.
• 동적인 환경에서 고속도 또는 이종 센서 측정치를 캘리브레이션하는 데 도전하는 문제를 해결하기 위해.
• 표면 요소 기반 표현과 적응형 평면 유사도 임계값을 통해 데이터 연계 신뢰도를 향상시켜 캘리브레이션의 안정성을 높이기 위해.
• 일반적인 인공 환경에서 평면 구조로부터 기하학적 제약 조건을 활용하여 캘리브레이션 문제의 잘 결정된 상태를 확보하기 위해.
• 로봇 공학 및 인식 연구 공동체가 혜택을 볼 수 있도록 완전히 오픈소스 캘리브레이션 툴박스를 제공하기 위해.

제안 방법

• 이 방법은 LiDAR-IMU 시스템의 연속시간 궤적을 B-스플라인으로 표현하여 임의의 시간 순간에서 정확한 자세 추정이 가능하도록 한다.
• 원시 IMU 측정치(가속도 및 각속도) 잔차와 연속시간 배치 최적화 프레임워크 내에서 포인트-표면 요소 거리 잔차를 동시에 최소화한다.
• 포인트 클라우드는 표면 요소(작은 평면)로 이산화되며, LiDAR 포인트와 해당 표면 요소 간의 데이터 연계를 통해 강인성을 향상시킨다.
• 이중 단계 임계값 전략을 적용한다: 초기 평면 유사도 임계값 0.6을 설정하고, 운동 보정 후 0.7로 증가시켜 표면 요소 지도를 정밀하게 개선한다.
• 초기 단계에서 NDT 기반 LiDAR 온도메트리로 초기 표면 요소 지도와 운동 보정된 포인트 클라우드를 생성한다.
• 고도로 동적인 운동을 다루기 위해 0.02초 간격의 커프(knot) 간격을 사용하여 충분한 시간 해상도를 확보함으로써 정확한 궤적 표현을 보장한다.

실험 결과

연구 질문

• RQ1 타겟리스 LiDAR-IMU 캘리브레이션 방법이 인공 목표물이나 추가 센서 없이도 실제 구조적 환경에서 높은 정확도와 반복성을 달성할 수 있는가?
• RQ2 고속도 또는 이종 센서 데이터에서 B-스플라인으로 파arameter화된 연속시간 궤적 모델링이 이산시간 보간 방법에 비해 정확도를 어떻게 향상시키는가?
• RQ3 표면 요소 기반 데이터 연계는 전통적인 포인트-평면 또는 포인트-모델 방법에 비해 캘리브레이션의 강인성과 수렴 성능을 얼마나 향상시키는가?
• RQ4 운동 보정 후 표면 요소 지도와 평면 유사도 임계값의 반복적 정밀화가 캘리브레이션 정확도와 수렴에 어떤 영향을 미치는가?
• RQ5 초기 LiDAR 온도메트리의 품질이 최종 캘리브레이션 성능에 미치는 영향은 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• 10개의 실제 환경 시퀀스에서 운동 캡처 시스템과 비교했을 때 평균 절대 궤적 오차(Absolute Trajectory Error, ATE)는 0.0183 m를 기록했다.
• 실내 환경에서 최종 캘리브레이션 차이는 이동 방향에서 0.0017 m(1.7 mm) 이내, 요 방향 회전에서 0.67° 이내로 나타나 높은 반복성을 입증했다.
• IMU 간 상대 자세에 대해 CAD 기준과의 차이는 이동 방향에서 2 mm 이내, 회전 오차는 1° 이내로 나타나 높은 정확도를 확인했다.
• 첫 번째 반복과 두 번째 반복 사이에 상당한 향상이 있었으며, 이는 운동 보정 후 개선된 표면 요소 지도와 데이터 대응 품질 때문으로 기인되었다.
• 약 네 번의 반복 후 캘리브레이션 결과는 수렴하고 안정된 상태를 유지함으로써 강인한 수렴 행동을 보였다.
• 특히 자세 추정에서 높은 반복성을 보이며, 구조적 인공 환경에서 잘 작동함을 입증했다.