[論文レビュー] R-LINS: A Robocentric Lidar-Inertial State Estimator for Robust and Efficient Navigation

Chao Qin, Haoyang Ye+4 more|arXiv (Cornell University)|Aug 22, 2019

Robotics and Sensor-Based Localization被引用数 7

ひとこと要約

R-LINSは、6軸ジャイロスコープと3次元LiDARを用い、反復誤差状態カルマンフィルタ（ESKF）を活用して特徴対応を繰り返し改善することで、ロボセントリックで密結合なLiDARインertialステート推定器を提案する。移動する局所フレームに状態推定を再定式化することにより、計算コストを低減し、フィルタ発散を防止することで、最先端のLIO手法と比較してほぼ10倍の高速化を達成し、ロバストでリアルタイムの性能を実現する。

ABSTRACT

We present R-LINS, a lightweight robocentric lidar-inertial state estimator, which estimates robot ego-motion using a 6-axis IMU and a 3D lidar in a tightly-coupled scheme. To achieve robustness and computational efficiency even in challenging environments, an iterated error-state Kalman filter (ESKF) is designed, which recursively corrects the state via repeatedly generating new corresponding feature pairs. Moreover, a novel robocentric formulation is adopted in which we reformulate the state estimator concerning a moving local frame, rather than a fixed global frame as in the standard world-centric lidar-inertial odometry(LIO), in order to prevent filter divergence and lower computational cost. To validate generalizability and long-time practicability, extensive experiments are performed in indoor and outdoor scenarios. The results indicate that R-LINS outperforms lidar-only and loosely-coupled algorithms, and achieve competitive performance as the state-of-the-art LIO with close to an order-of-magnitude improvement in terms of speed.

研究の動機と目的

• 挑戦的な条件下で、従来のワールドセントリックLiDARインエラシャルオドメトリ（LIO）におけるフィルタ発散と高い計算コストを解決すること。
• 移動する局所フレームに状態推定を再定式化することで、長期間のナビゲーションにおけるロバスト性と効率性を向上させること。
• 最先端のLIOシステムと同等の性能をリアルタイムで達成しながら、計算負荷を低減すること。
• 多様な屋内および屋外環境において、一般化可能性を検証すること。

提案手法

• 固定されたグローバルフレームではなく、移動する局所フレームに基づいて状態推定器を定式化することで、ロボセントリックな定式化を採用する。
• 反復誤差状態カルマンフィルタ（ESKF）を採用し、各イテレーションで新たな特徴対応を生成することで、状態を再帰的に補正する。
• 3次元LiDARと6軸ジャイロスコープの測定値を密結合で統合することで、推定精度を向上させる。
• 局所フレームで特徴ベースの対応生成と誤差補正を適用し、ノイズや動的環境に対するロバスト性を高める。
• 計算コストを低減しながらも高い精度を維持するため、軽量な設計を実装する。
• ドリフトや発散を抑えるために、状態の発展と補正ステップを再定式化する。

実験結果

リサーチクエスチョン

• RQ1 ワールドセントリックアプローチと比較して、ロボセントリックな定式化はLiDARインエラシャルステート推定のロバスト性と効率性を向上させ得るか？
• RQ2 反復誤差状態カルマンフィルタリングは、動的または特徴が乏しい環境において、どのように状態推定精度を向上させるか？
• RQ3 移動する局所フレームは、計算コストをどの程度低減し、フィルタ発散を防止するか？
• RQ4 提案手法は、最先端のLIOシステムと比較して、リアルタイム性能を達成し、競争力のある精度を実現できるか？
• RQ5 このアプローチは、多様な屋内および屋外ナビゲーションシナリオにどの程度一般化可能か？

主な発見

• R-LINSは、多様な環境において、LiDARオンリーや緩く結合されたアルゴリズムと比較して、推定精度とロバスト性に優れている。
• 最先端のLIOシステムと同等の性能を達成しながら、計算コストをほぼ10倍低減している。
• ロボセントリックな定式化により、特に長期間のナビゲーションにおいてフィルタ発散のリスクが顕著に低減されている。
• 反復ESKFにより、複数回の補正イテレーションで特徴対応を改善することで、収束性と精度が向上している。
• 広範な実験により、屋内および屋外両方のシナリオにおいて、本手法の一般化可能性と長期的な実用性が確認された。
• 本システムは、既存の高機能LIOソリューションと比較して、ほぼ10倍の高速化を達成するリアルタイム動作を示している。