[논문 리뷰] Wildcat: Online Continuous-Time 3D Lidar-Inertial SLAM

Milad Ramezani, Kasra Khosoussi외 6명|arXiv (Cornell University)|2022. 05. 25.

Robotics and Sensor-Based Localization인용 수 32

한 줄 요약

Wildcat은 연속 시간 추정 표현과 포즈-그래프 백본을 활용하여 단일 및 다중 에이전트 매핑에서 강건하고 확장 가능한 온라인 3D 라이다-관성 SLAM 시스템으로, 도전적인 환경에서도 강력한 성능을 발휘합니다.

ABSTRACT

We present Wildcat, a novel online 3D lidar-inertial SLAM system with exceptional versatility and robustness. At its core, Wildcat combines a robust real-time lidar-inertial odometry module, utilising a continuous-time trajectory representation, with an efficient pose-graph optimisation module that seamlessly supports both the single- and multi-agent settings. The robustness of Wildcat was recently demonstrated in the DARPA Subterranean Challenge where it outperformed other SLAM systems across various types of sensing-degraded and perceptually challenging environments. In this paper, we extensively evaluate Wildcat in a diverse set of new and publicly available real-world datasets and showcase its superior robustness and versatility over two existing state-of-the-art lidar-inertial SLAM systems.

연구 동기 및 목표

• 온라인 라이다-관성 SLAM을 연속 시간 트래젝토리 표현으로 발전시켜 라이다 왜곡과 비동기 센서 융합을 해결한다.
• 슬라이딩 윈도우 주행계측 모듈과 포즈 그래프 최적화(PGO) 모듈을 통해 견고한 로컬 주행계측 및 확장 가능한 글로벌 매핑을 달성한다.
• 서브맵 공유 및 집합적 포즈 그래프 최적화를 통해 다중 에이전트 협업 SLAM을 enable한다.
• 도전적인 지하 및 도시 환경을 포함한 다양한 실제 데이터 세트에서의 견고성을 시연한다.

제안 방법

• 큐빅 B-스플라인과 포즈 최적화를 위한 Lie 그룹 재수렴을 활용한 온라인 연속 시간 트래젝토리 표현.
• IMU와 라이다 측정을 융합하고 로컬 맵 요소로 서펠을 생성하는 슬라이딩 윈도우 라이다-관성 주행계측.
• 시간에 걸쳐 서펠을 정렬하기 위한 7D 디스크립터와 점-면 잔차를 이용한 서펠 매칭.
• 강건한 포즈 보정을 위한 Cauchy M-estimator를 갖춘 IRLS(Iteratively Reweighted Least Squares).
• 전역 그래프에서 각 서브맵이 강체 블록으로 관리되며 주행로보 및 루프클로저 엣지가 포함된 서브맵 기반의 포즈 그래프 최적화.
• 대규모 환경에서의 전역 일관성을 확보하기 위해 IRLS 기반 루프클로저 및 장소 인식의 통합.

실험 결과

연구 질문

• RQ1 온라인 연속 시간 라이다-관성 SLAM 시스템이 다양한 환경에서 견고하고 정확한 매핑을 제공할 수 있는가?
• RQ2 서브맵 기반 포즈 그래프 최적화와 서펠 기반 로컬 매핑을 어떻게 통합하여 대규모 환경을 효율적으로 매핑할 수 있는가?
• RQ3 중력 방향 정보를 포함하는 것이 라이다-관성 SLAM의 포즈 그래프 최적화를 향상시키는가?
• RQ4 서브맵을 교환하고 공유 포즈 그래프를 최적화하여 다중 에이전트 SLAM을 효과적으로 달성할 수 있는가?
• RQ5 도전적인 센싱 조건에서 Wildcat이 최첨단의 다른 라이다-관성 SLAM 시스템과 비교하여 어떤 성능을 보이는가?

주요 결과

• Wildcat은 실제 다양한 데이터 세트와 도전적인 환경에서 견고성과 다재다능함을 입증한다.
• DARPA Subterranean Challenge Final Event에서 네 대의 이종 로봇 팀을 사용할 때 0% 편차 및 91% 커버리지를 달성했다.
• 지하 환경에서 지각적으로 도전적이고 센싱 저하가 있는 환경에서 다른 최첨단 라이다-관성 SLAM 시스템보다 우수한 성능을 보였다.
• 시스템은 서브맵 공유 및 집합적 포즈 그래프 최적화를 통해 협력적 다중 에이전트 SLAM을 가능하게 한다.
• 서브맵은 최대 약 500 KB(평균 100–170 KB)로 컴팩트하여 적은 대역폭으로 피어 투 피어 공유가 가능하다.
• 이 접근법은 연속 시간 트래젝토리 최적화, 서펠 기반 로컬 매핑, 루프 클로저를 통합하여 대규모 스케일에서 전역 일관성을 유지한다.