[논문 리뷰] Tightly Coupled Optimization-based GPS-Visual-Inertial Odometry with Online Calibration and Initialization

Shihao Han, Feiyang Deng외 2명|arXiv (Cornell University)|2022. 03. 05.

Robotics and Sensor-Based Localization인용 수 8

한 줄 요약

이 논문은 장기 운영 중 궤적 드리프트를 줄이기 위해 시각 재투영, 관성측정단위(IMU) 사전통합, 그리고 새로운 GPS 잔차를 동시에 최소화하는 밀착된 최적화 기반 GPS-시각-관성 온보드 측위 시스템을 제안한다. GPS-IMU 외부 매개변수와 시간 오프셋에 대한 온라인 캘리브레이션을 도입하고, 빠른 초기화 방법을 제공하여 EuRoC 및 KAIST 데이터셋에서 뛰어난 성능을 달성하며, 시각 또는 GPS 장애 상황에서도 강인함을 입증한다.

ABSTRACT

In this paper, we present a tightly coupled optimization-based GPS-Visual-Inertial odometry system to solve the trajectory drift of the visual-inertial odometry especially over long-term runs. Visual reprojection residuals, IMU residuals, and GPS measurement residuals are jointly minimized within a local bundle adjustment, in which we apply GPS measurements and IMU preintegration used for the IMU residuals to formulate a novel GPS residual. To improve the efficiency and robustness of the system, we propose a fast reference frames initialization method and an online calibration method for GPS-IMU extrinsic and time offset. In addition, we further test the performance and convergence of our online calibration method. Experimental results on EuRoC datasets show that our method consistently outperforms other tightly coupled and loosely coupled approaches. Meanwhile, this system has been validated on KAIST datasets, which proves that our system can work well in the case of visual or GPS failure.

연구 동기 및 목표

• 시각-관성 온보드 측위(VIO)에서 장기적인 궤적 드리프트 문제를 해결하기 위해 GPS 측정치를 최적화 프레임워크에 직접 통합한다.
• GPS-IMU 외부 매개변수와 시간 오프셋에 대한 온라인 캘리브레이션을 통해 시스템의 강인성과 효율성을 향상시킨다.
• 동적 환경에서 수렴 속도를 높이기 위한 빠른 기준 프레임 초기화 방법을 개발한다.
• 시각 또는 GPS 신호 열화 상황에서의 시스템 성능과 수렴 특성을 평가한다.
• 시각, 관성, GPS 측정치를 통합하는 밀착된 최적화 프레임워크의 효과성을 입증한다.

제안 방법

• GPS 측정치와 IMU 사전통합을 조합하여 새로운 GPS 잔차를 제안함으로써 최적화 과정에서의 밀착 결합을 가능하게 한다.
• 지역적 번들 조정을 수행하여 시각 재투영 오차, IMU 사전통합 잔차, 그리고 제안된 GPS 잔차를 동시에 최소화한다.
• 슬라이딩 윈도우 최적화 프레임워크를 활용해 GPS-IMU 외부 매개변수와 시간 오프셋에 대한 온라인 캘리브레이션 방법을 도입한다.
• 시스템 시작 시 수렴 속도를 향상시키기 위해 빠른 기준 프레임 초기화 기법을 활용한다.
• 시각, 관성, GPS 측정치를 통합한 유일한 비용 함수에 기반한 밀착된 최적화 프레임워크를 사용한다.
• EuRoC 및 KAIST 데이터셋에서 시스템 성능을 평가하여 다양한 조건, 특히 센서 장애 상황에서의 성능을 분석한다.

실험 결과

연구 질문

• RQ1 GPS, 시각, 관성 측정치를 통합하는 밀착된 최적화 프레임워크가 VIO에서 장기적인 궤적 드리프트를 상당히 감소시킬 수 있는가?
• RQ2 IMU 사전통합과 결합된 제안된 새로운 GPS 잔차 설정이 정밀도 향상에 얼마나 효과적인가?
• RQ3 GPS-IMU 외부 매개변수와 시간 오프셋에 대한 온라인 캘리브레이션은 시스템의 강인성 향상과 초기화 지연 감소에 기여하는가?
• RQ4 KAIST 데이터셋에서 시각 또는 GPS 신호 열화 상황에서 시스템 성능은 어떠한가?
• RQ5 실세계 상황에서 제안된 온라인 캘리브레이션 방법의 수렴 행동과 정확도는 어떠한가?

주요 결과

• 제안된 시스템은 EuRoC 데이터셋에서 밀착 및 산만한 최적화 접근 방식을 모두 능가하며, 더 뛰어난 궤적 정밀도를 보여준다.
• KAIST 데이터셋에서의 검증을 통해 시각 또는 GPS 신호 손실 상황에서도 시스템이 강인하게 작동함을 확인하여 센서 장애에 대한 내성을 입증한다.
• 온라인 캘리브레이션 방법은 신뢰성 있게 수렴하며, GPS-IMU 외부 매개변수 및 시간 오프셋 오차를 보정함으로써 정밀도를 향상시킨다.
• 빠른 초기화 방법은 전통적인 초기화 기법 대비 수렴 시간을 상당히 단축시킨다.
• 새로운 GPS 잔차 설정은 장기 운영 중 드리프트를 보정하는 데 시스템의 능력을 향상시킨다.
• GPS, 시각, 관성 측정치의 밀착된 융합은 다른 융합 전략에 비해 더 일관되고 정밀한 궤적 추정을 이끈다.