[논문 리뷰] Visual-Inertial Odometry-enhanced Geometrically Stable ICP for Mapping Applications using Aerial Robots

Tung Dang, Shehryar Khattak외 2명|arXiv (Cornell University)|2018. 01. 24.

Robotics and Sensor-Based Localization참고 문헌 19인용 수 5

한 줄 요약

이 논문은 항공 로봇을 위한 시각-자이로스코픽 오픈도미터(VO) 기반 기하학적 안정성 확보 ICP 알고리즘을 제안한다. 시간에 따른 깊이 센서를 사용하며, VI 오픈도미터를 활용해 겹침 영역 추정과 변환 사전 정보를 제공하고, ICP 최적화 이전에 기하학적 안정성 검사를 시행한다. 이 방법은 최소한의 계산 오버헤드로 맵핑 정확도를 향상시키며, 수동, 자동, 완전 자율 비행 미션에서 검증되었으며, 뛰어난 3차원 재구성 품질을 제공한다.

ABSTRACT

This paper presents a visual-inertial odometry-enhanced geometrically stable Iterative Closest Point (ICP) algorithm for accurate mapping using aerial robots. The proposed method employs a visual-inertial odometry framework in order to provide robust priors to the ICP step and calculate the overlap among point clouds derived from an onboard time-of-flight depth sensor. Within the overlapping parts of the point clouds, the method samples points such that the distribution of normals among them is as large as possible. As different geometries and sensor trajectories will influence the performance of the alignment process, evaluation of the expected geometric stability of the ICP step is conducted. It is only when this test is successful that the matching, outlier rejection, and minimization of the error metric ICP steps are conducted and the new relative translation and rotational components are estimated, otherwise the system relies on the visual-inertial odometry transformation estimates. The proposed strategy was evaluated within handheld, automated and fully autonomous exploration and mapping missions using a small aerial robot and was shown to provide robust results of superior quality at an affordable increase of the computational load.

연구 동기 및 목표

• 실내 또는 구조물 근처와 같이 GPS가 제공되지 않는 환경에서 항공 로봇의 3차원 맵핑 정확도를 향상시키기 위해.
• 단거리 ToF 센서에서 유도된 불량한 조건의 깊이 데이터에 표준 ICP를 적용할 경우 발생하는 불안정성 문제를 해결하기 위해.
• 시각-자이로스코픽 오픈도미터(VIO)를 강력한 사전 정보로 통합하여 ICP 최적화를 안내하고 검증하기 위해.
• ICP를 시작하기 전에 기하학적 안정성을 확보하여 잘못된 해로 수렴하는 것을 방지하기 위해.
• 고품질의 최적화된 자세 추정치를 기반으로 불확실성 인식 계획을 사용한 완전 자율 탐색 및 맵핑을 가능하게 하기 위해.

제안 방법

• 시각-자이로스코픽 오픈도미터(VIO) 프레임워크를 사용하여 초기 자세 변환을 추정하고 ICP에 대한 강력한 사전 정보를 제공한다.
• VIO 기반 변환 정보를 활용해 연속된 깊이 점군 간의 겹침 영역을 계산하여, ICP가 관련 영역에 국한되도록 제한한다.
• ICP 헤시안 행렬의 조건수를 기반으로 기하학적 안정성 검사를 수행하여, ICP가 변환을 신뢰성 있게 추정할 수 있는지 평가한다.
• 겹침 영역 내에서 표면 법선의 분포를 최대화하도록 점 샘플링을 최적화하여 ICP 수렴 성능을 향상시킨다.
• 기하학적 안정성 테스트를 통과한 경우에만 ICP 알고리즘을 사용해 점-면 오차 지표를 최소화한다.
• 안정성 테스트에 실패할 경우, 체계는 VIO 기반 변환 정보를 기본으로 사용하여 안정성을 유지한다.

실험 결과

연구 질문

• RQ1 VIO 사전 정보가 있는 기하학적 안정성 검사를 통한 ICP는 GPS가 제공되지 않는 환경에서 항공 로봇의 3차원 맵핑 정확도를 향상시킬 수 있는가?
• RQ2 깊이 데이터가 노이즈가 많거나 불량한 조건일 경우, 제안된 방법은 VIO 전용 맵핑 대비 어떻게 성능을 발휘하는가?
• RQ3 점 샘플링에서 법선 분포 최적화가 ICP 수렴 및 정확도에 어떤 영향을 미치는가?
• RQ4 기하학적 안정성 검사는 모호하거나 겹침이 적은 데이터에서 ICP의 실패를 어떻게 방지하는가?
• RQ5 완전 자율 탐색 미션 동안 체계는 안정적이고 고품질의 맵핑을 유지할 수 있는가?

주요 결과

• 제안된 방법은 VIO 전용 맵핑 대비 뛰어난 3차원 재구성 품질을 달성하였으며, 특히 표면에 발생하는 '이중 레이어링' 효과 같은 잡음 요소를 줄이는 데 유의미한 효과가 있었다.
• 기하학적 안정성 검사는 불량한 조건의 데이터에서 ICP 최적화를 성공적으로 식별하고 회피하여 잘못된 자세 추정을 방지하였다.
• 모든 테스트 시나리오(수동, 자동, 자율)에서 ICP 계산 시간이 1초 이내로 유지되어 로봇 내부에서 실시간 실행 가능성을 확보하였다.
• 12×6.5×2m 크기의 실내 환경에서의 자율 탐색 과정에서, 고장 지점 없이 일관되고 안정적인 자세 업데이트를 유지하였다.
• ICP 최적화 맵은 물체 기하학적 형태를 더 정확하게 반영하였으며, 레오나르도 다 빈치 조각의 코 부분이 VIO 단독 사용보다 더 잘 재구성되었다.
• 장시간 지속되는 자율 미션 동안 ICP 불안정성으로 인한 시스템 장애 없이도 뛰어난 내구성을 입증하였다.