[논문 리뷰] MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square

Yue Pan, Pengchuan Xiao외 3명|arXiv (Cornell University)|2021. 02. 07.

Robotics and Sensor-Based Localization참고 문헌 62인용 수 16

한 줄 요약

MULLS는 다양한 LiDAR 유형과 환경에서 기하학적 특징(지면, 외벽, 기둥, 보)을 다중 척도 선형 최소 제곱 ICP를 사용해 등록하는 유연하고 실시간 3D LiDAR SLAM 시스템이다. MULLS는 실시간 성능을 유지하면서도 10만 프레임 이상의 데이터를 7종의 LiDAR에서 수집한 외부 및 실내 시나리오에서 낮은 드리프트와 높은 지ap 정확도를 달성했으며, KITTI 벤치마크에서 상위 10위 이내로 순위를 기록했다.

ABSTRACT

The rapid development of autonomous driving and mobile mapping calls for off-the-shelf LiDAR SLAM solutions that are adaptive to LiDARs of different specifications on various complex scenarios. To this end, we propose MULLS, an efficient, low-drift, and versatile 3D LiDAR SLAM system. For the front-end, roughly classified feature points (ground, facade, pillar, beam, etc.) are extracted from each frame using dual-threshold ground filtering and principal components analysis. Then the registration between the current frame and the local submap is accomplished efficiently by the proposed multi-metric linear least square iterative closest point algorithm. Point-to-point (plane, line) error metrics within each point class are jointly optimized with a linear approximation to estimate the ego-motion. Static feature points of the registered frame are appended into the local map to keep it updated. For the back-end, hierarchical pose graph optimization is conducted among regularly stored history submaps to reduce the drift resulting from dead reckoning. Extensive experiments are carried out on three datasets with more than 100,000 frames collected by seven types of LiDAR on various outdoor and indoor scenarios. On the KITTI benchmark, MULLS ranks among the top LiDAR-only SLAM systems with real-time performance.

연구 동기 및 목표

• 다양한 LiDAR 사양과 복잡한 환경에 강건한 LiDAR SLAM 시스템을 개발하는 것.
• 기존 LiDAR SLAM 시스템이 고유한 센서 표현 방식(예: 레이어 또는 범위 이미지)에 의존함에 따라 유연성이 떨어지는 문제를 해결하는 것.
• 스캔 라인에 의존하지 않는 방식을 통해 다양한 실외 및 실내 시나리오에서 실시간으로 낮은 드리프트 성능을 달성하는 것.
• 선형 최소 제곱 프레임워크 내에서 점-면 및 점-선 오차 지표를 동시에 최적화하여 맵핑 정확도와 강건성을 향상시키는 것.

제안 방법

• 시스템은 이중 임계값 지면 필터링과 주성분 분석을 사용해 원시 3D 포인트 클라우드에서 지면, 외벽, 기둥, 보, 屋根 등의 기하학적 특징을 추출한다.
• 새로운 다중 척도 선형 최소 제곱 ICP(MULLS-ICP) 알고리즘을 도입하여 분류된 특징 포인트 내에서 점-면 및 점-선 오차 지표를 동시에 최적화하여 자율 주행 운동 추정을 효율적으로 수행한다.
• 각 등록된 프레임에서 유도된 정적 특징 포인트는 로컬 서브맵에 추가되어 최신화되고 변화하는 맵 표현을 유지한다.
• 사전 등록된 서브맵의 역사적 데이터에 계층적 포즈 그래프 최적화(PGO)를 적용하여 사전 추정 오차를 보정하고, 루프 클로징 탐지에 TEASER를 통한 글로벌 정렬을 활용한다.
• 시스템은 LiDAR 모델 파라미터에 종속되지 않으며, 레이어나 범위 이미지로의 변환을 피함으로써 전체 3D 구조 정보를 유지한다.
• 강도 일관성 및 기하학적 가중치 함수를 통합하여, 특히 특징이 부족하거나 도로와 같은 도전적인 환경에서의 강건성을 향상시킨다.

실험 결과

연구 질문

• RQ1 특정 센서 표현 방식에 의존하지 않고 다양한 LiDAR 하드웨어 구성에서 실시간 성능과 낮은 드리프트를 달성할 수 있는 LiDAR SLAM 시스템이 존재하는가?
• RQ2 점-면 및 점-선 오차 지표를 동시에 최적화하는 방식이 복잡한 환경에서 정확도와 강건성을 어떻게 향상시키는가?
• RQ3 강도 일관성 및 적응형 가중치 함수를 통합할 경우, 특징이 부족하거나 동적인 환경에서의 성능 향상 정도는 어느 정도인가?
• RQ4 TEASER를 활용한 서브맵 기반 포즈 그래프 최적화가 장거리 시퀀스에서 누적 드리프트를 줄이는 데 얼마나 효과적인가?
• RQ5 다양한 기하학적 특징 포인트 유형(예: 정점, 선형, 평면)이 전체 SLAM 정확도와 시스템 안정성에 미치는 영향은 어떠한가?

주요 결과

• KITTI 시퀀스 00에서 MULLS는 평균 이동 오차 0.51%와 회전 오차 0.18°/100m를 기록하여, LiDAR 전용 SLAM 시스템 중 상위 10위 이내로 순위를 확보했다.
• KITTI 시퀀스 01에서는 이동 오차 0.62%와 회전 오차 0.09°/100m를 기록하여 도시 환경에서 뛰어난 성능을 입증했다.
• 모든 시퀀스에서 평균적으로 10Hz 이상의 실시간 성능을 유지를 하였으며, 2,000개의 소스 및 20,000개의 타겟 특징 포인트에서 ICP 반복의 중앙값 실행 시간은 0.2ms였다.
• 프론트엔드에서 정점 포인트를 제외하면 구조화된 환경에서 정확도가 향상되었고, 고속도로 환경에서는 선형 포인트(기둥, 보)를 포함하는 것이 필수적이었다.
• 제거 실험을 통해 세 가지 가중치 함수(균형, 잔차, 강도) 모두 성능 향상에 기여했으며, 특히 강도 일관성이 특징이 부족한 고속도로 환경에서 결과를 크게 향상시켰다.
• ISPRS MIMAP 데이터셋을 활용한 실내 맵핑에서 MULLS는 토털 라이더(TLS) 기준 진실값과 비교해 평균 맵핑 오차 6.7cm를 기록하여, 복잡한 실내 환경에서도 높은 맵 품질을 입증했다.