[論文レビュー] GVINS: Tightly Coupled GNSS-Visual-Inertial Fusion for Smooth and Consistent State Estimation

Shaozu Cao, Xiuyuan Lu+1 more|arXiv (Cornell University)|Mar 14, 2021

Robotics and Sensor-Based Localization被引用数 8

ひとこと要約

GVINSは、GNSSの擬似距離およびドップラーデータを視覚的・慣性的オドメトリ（VIO）と密結合で統合する非線形最適化ベースの統合システムを提案し、漂移のない、グローバルに一貫した6自由度（6-DoF）状態推定を実現する。粗いから細かいオンライン初期化と確率的要因グラフフレームワークを採用することで、間欠的なGNSS、ノイズの多い測定、困難な都市環境下でも局所的精度とグローバル一貫性を維持し、1メートル未満の位置決め誤差とリアルタイム性能を達成する。

ABSTRACT

Visual-Inertial odometry (VIO) is known to suffer from drifting especially over long-term runs. In this paper, we present GVINS, a non-linear optimization based system that tightly fuses GNSS raw measurements with visual and inertial information for real-time and drift-free state estimation. Our system aims to provide accurate global 6-DoF estimation under complex indoor-outdoor environment where GNSS signals may be intermittent or even totally unavailable. To connect global measurements with local states, a coarse-to-fine initialization procedure is proposed to efficiently calibrate the transformation online and initialize GNSS states from only a short window of measurements. The GNSS code pseudorange and Doppler shift measurements, along with visual and inertial information, are then modelled and used to constrain the system states in a factor graph framework. For complex and GNSS-unfriendly areas, the degenerate cases are discussed and carefully handled to ensure robustness. Thanks to the tightly-coupled multi-sensor approach and system design, our system fully exploits the merits of three types of sensors and is capable to seamlessly cope with the transition between indoor and outdoor environments, where satellites are lost and reacquired. We extensively evaluate the proposed system by both simulation and real-world experiments, and the result demonstrates that our system substantially eliminates the drift of VIO and preserves the local accuracy in spite of noisy GNSS measurements. The challenging indoor-outdoor and urban driving experiments verify the availability and robustness of GVINS in complex environments. In addition, experiments also show that our system can gain from even a single satellite while conventional GNSS algorithms need four at least.

研究の動機と目的

• 動的環境下での長期運用における視覚的・慣性的オドメトリ（VIO）の固有の漂移を解消すること。
• 都市渓谷や屋内・屋外移行のような場所でGNSS信号が途切れたり劣化したりする状況下でも、耐障害性がありリアルタイムな状態推定を可能にすること。
• 事前キャリブレーションが不要なオンライン初期化手法を開発し、局所的VIOフレームとグローバルGNSSフレーム間の4自由度（4-DoF）変換を同定すること。
• 純粋な回転などの退化運動状態や、衛星視認数が少ない（最低1基）状況下でもシステムの頑健性を確保すること。
• 視覚的および慣性的データと生のGNSS測定値を密結合で統合することで、高い局所的精度を維持しながらグローバル一貫性を達成すること。

提案手法

• 短いGNSS測定値のウィンドウのみを用いて、局所的VIOフレームとグローバルGNSSフレーム間の4自由度（4-DoF）変換をオンラインで推定する粗いから細かい初期化手順を採用する。
• 生のGNSS測定値（コード擬似距離およびドップラーシフト）を要因グラフ内での確率的要因としてモデル化し、状態推定プロセスを制約する。
• 視覚的・慣性的測定値と生のGNSS測定値を非線形最適化フレームワーク内で密結合で統合するスライディングウィンドウ最適化フレームワークを採用し、精度と一貫性を向上させる。
• 純粋な回転や衛星数が少ないなどの退化ケースを明示的にモデル化・処理することで、観測可能性とシステム安定性を維持する。
• 確率的要因グラフの定式化を用いて、状態軌道を同時に最適化し、滑らかさとグローバル一貫性を確保する。
• GNSSの途切れや再取得をスムーズに処理できるように設計されており、屋内・屋外移行時における継続性を維持する。

実験結果

リサーチクエスチョン

• RQ1 生のGNSS測定値を用いた密結合統合フレームワークは、長期間運用におけるVIOの漂移を顕著に低減できるか？
• RQ2 事前キャリブレーションが不要な状況下でも、局所的VIOフレームとグローバルGNSSフレーム間の変換を信頼性高くオンライン初期化できるか？
• RQ3 GNSS信号がノイズが多く、途切れやすく、1基の衛星しか視認できない状況下でも、システムの精度と一貫性をどの程度維持できるか？
• RQ4 純粋な回転や低動的状況などの退化運動状態下でのシステムの性能はいかがなものか？
• RQ5 複雑な都市環境および屋内・屋外移行環境下でも、リアルタイム性能を維持しながら高い精度と頑健性を発揮できるか？

主な発見

• GVINSは、VIO初期化後2.0秒以内に局所フレームとグローバルフレーム間の4自由度（4-DoF）変換を正常に初期化し、即座にグローバルアライメントを可能にする。
• 厳しい都市走行実験において、すべてのENU軸で1メートル未満のRMSEを達成し、強い多径波や信号途切れの影響下でも同様の性能を維持する。
• GVINSは、位置決め誤差が境界内でゆっくりと変化するのに対し、RTKLIBは高層ビルが密集した地域で100メートルを超える極端な誤差を示すため、境界付きで変動する誤差を維持する。
• 平均1フレームあたり21.91 msの最適化時間でリアルタイム性能を達成し、特に長い軌道下ではVINS-Fusionの平均404.83 msを大幅に下回る。
• 1基の衛星しか視認できない状況下でもGVINSは頑健性を示すが、従来のGNSSアルゴリズムは最低4基の衛星が必要である。
• GVINSとRTKの最終軌道をGoogleマップに重ねて表示したところ、RTKの不連続性が明確に可視化され、GVINSの継続性と一貫性が確認された。