[論文レビュー] LiDAR-Inertial 3D SLAM with Plane Constraint for Multi-story Building

Jiashi Zhang, Chengyang Zhang+3 more|arXiv (Cornell University)|Feb 17, 2022

Robotics and Sensor-Based Localization被引用数 5

ひとこと要約

本論文は、ループクロージャが信頼できない多層階の建物向けに、構造的代表平面（SRP）を活用してループクロージャなしで高精度な6自由度状態推定を実現する、密結合型LiDARインertial3次元SLAMフレームワークを提案する。スキャンからローカルマップへのマッチングとIMU事前統合を統合最適化に組み込み、階をまたがるグローバルに一貫したSRP制約を用いることで、長距離トラジェクトリで1m未満のドリフトを達成し、実世界の四足歩行ロボットデータにおいて最先端のアルゴリズムを上回る性能を発揮する。

ABSTRACT

The ubiquitous planes and structural consistency are the most apparent features of indoor multi-story Buildings compared with outdoor environments. In this paper, we propose a tightly coupled LiDAR-Inertial 3D SLAM framework with plane features for the multi-story building. The framework we proposed is mainly composed of three parts: tightly coupled LiDAR-Inertial odometry, extraction of representative planes of the structure, and factor graph optimization. By building a local map and inertial measurement unit (IMU) pre-integration, we get LiDAR scan-to-local-map matching and IMU measurements, respectively. Minimize the joint cost function to obtain the LiDAR-Inertial odometry information. Once a new keyframe is added to the graph, all the planes of this keyframe that can represent structural features are extracted to find the constraint between different poses and stories. A keyframe-based factor graph is conducted with the constraint of planes, and LiDAR-Inertial odometry for keyframe poses refinement. The experimental results show that our algorithm has outstanding performance in accuracy compared with the state-of-the-art algorithms.

研究の動機と目的

• ループクロージャが信頼できない多層階の屋内走行において、累積的ドリフトに起因する6自由度状態推定の課題に対処すること。
• 階をまたがる普遍的な平面の構造的一致性を活用して、誤差補正のためのグローバルな幾何的制約を構築すること。
• LiDARインエラシャルムと平面ベースのグローバル制約を統合したキーフレームベースの要因グラフ最適化フレームワークを構築すること。
• LiDARとIMUのみを用いて、複雑な多層階屋内環境でリアルタイムかつ高精度な3次元マッピングとローカライゼーションを達成すること。
• Velodyne VLP-16とXsens Mti-300センサを搭載した実際の四足歩行ロボットを用いて、現実的な条件下で手法を検証すること。

提案手法

• LiDARスキャンからローカルマップへのマッチングとIMU事前統合を1つの統合コスト関数に密結合することで、フロントエンドオドメトリの精度を向上させる。
• 幾何的一致性と法線ベクトルの整合性に基づいてキーフレームから構造的代表平面（SRP）を抽出し、階をまたがるグローバルに一致する平面を特定する。
• SRPをキーフレーム座標系に変換し、法線方向と原点からの距離を用いてグローバルSRPとマッチングすることで制約を形成する。
• LiDARインエラシャルムと平面ベースの幾何的制約を統合したキーフレームベースの要因グラフを構築し、グローバル最適化を実行する。
• オドメトリと平面制約の両方を用いてキーフレームの姿勢をバックエンド最適化で精緻化し、蓄積された誤差を低減する。
• 事前統合されたIMUモデルを用いて時間的整合性を維持し、動的運動における耐性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 複数階にまたがる平面ベースの幾何的制約は、ループクロージャなしでLiDARインエラシャルムの6自由度ドリフトを効果的に低減できるか？
• RQ2 LiDARとIMU測定値を密結合することで、多層階屋内環境におけるオドメトリ精度がどのように向上するか？
• RQ3 構造的代表平面（SRP）を用いて、異なる階層間で一貫したグローバル制約を確立できる程度はどの程度か？
• RQ4 LIO-Mapping、FAST-LIO2、LIO-SAMといった最先端のSLAMアルゴリズムと比較して、本手法は多層階シナリオでどの程度の精度と耐性を示すか？
• RQ5 平面マッチングとグローバル最適化の計算コストはどれほどで、リアルタイム性能とバランスを取れるか？

主な発見

• 建物Aでは相対的並進偏差がわずか0.033m、回転偏差が0.028radに抑えられ、LIO-Mapping、FAST-LIO2、LIO-SAMを大きく上回る性能を発揮した。
• 建物Bでは並進偏差0.031m、回転偏差0.011radを達成し、異なる建物レイアウトに対しても高い耐性を示した。
• ループクロージャなしにもかかわらず、出発点にほぼ完全に帰還する（並進0.033m、回転0.028rad）ことができ、平面制約の有効性を実証した。
• スライディングウインドウ最適化を用いるLIO-Mappingは、並進ドリフトが3.017mにまで増大し、ループを閉じることができず、長距離トラジェクトリにおける精度の限界を示した。
• FAST-LIO2とLIO-SAMは並進ドリフトが最大44.4mに達し、出発点に戻れなかったため、多層階環境ではグローバル制約の導入が不可欠であることが明らかになった。
• アルゴリズムのフロントエンドオドメトリは、建物Aで平均249.10ms、建物Bで平均316.14msを要しており、SRP抽出と制約マッチングに時間がかかることが判明し、精度とリアルタイム性能のトレードオフが確認された。