[論文レビュー] Robocentric Visual-Inertial Odometry

Zheng Huai, Guoquan Huang|arXiv (Cornell University)|May 10, 2018

Robotics and Sensor-Based Localization参考文献 34被引用数 6

ひとこと要約

本論文では、固定されたグローバルフレームではなく、移動する局所IMUフレームに対して相対的な視覚慣性ナビゲーションを定式化するロボセントリックな視覚慣性オドメトリ（R-VIO）アルゴリズムを提案する。世界中心のVINSに内在する観測可能性不一致問題を回避し、平面移動などの退化した運動においても高いロバスト性を発揮することで、R-VIOは一貫性、正確性、効率性の向上を達成した。実世界の都市走行およびシミュレーションテストにおいて、計算コストが低く抑えられた最先端の性能が実証された。

ABSTRACT

In this paper, we propose a novel robocentric formulation of the visual-inertial navigation system (VINS) within a sliding-window filtering framework and design an efficient, lightweight, robocentric visual-inertial odometry (R-VIO) algorithm for consistent motion tracking even in challenging environments using only a monocular camera and a 6-axis IMU. The key idea is to deliberately reformulate the VINS with respect to a moving local frame, rather than a fixed global frame of reference as in the standard world-centric VINS, in order to obtain relative motion estimates of higher accuracy for updating global poses. As an immediate advantage of this robocentric formulation, the proposed R-VIO can start from an arbitrary pose, without the need to align the initial orientation with the global gravitational direction. More importantly, we analytically show that the linearized robocentric VINS does not undergo the observability mismatch issue as in the standard world-centric counterpart which was identified in the literature as the main cause of estimation inconsistency. Additionally, we investigate in-depth the special motions that degrade the performance in the world-centric formulation and show that such degenerate cases can be easily compensated in the proposed robocentric formulation, without resorting to additional sensors as in the world-centric formulation, thus leading to better robustness. The proposed R-VIO algorithm has been extensively tested through both Monte Carlo simulations and real-world experiments with different sensor platforms navigating in different environments, and shown to achieve better (or competitive at least) performance than the state-of-the-art VINS, in terms of consistency, accuracy and efficiency.

研究の動機と目的

• 標準のワールドセントリックな視覚慣性ナビゲーションシステム（VINS）に見られる一貫性の欠如と観測可能性不一致問題を解消すること。
• 追加センサーに依存せずに、平面移動などの退化した運動シナリオでもロバストなモーショントラッキングを可能にすること。
• グローバル重力方向への初期化を必要とせず、任意の初期姿勢から開始可能な軽量でリアルタイムな視覚慣性オドメトリシステムを開発すること。
• 単眼カメラと6軸IMUのみを用いて、動的かつ挑戦的な環境下での推定の一貫性と正確性を向上させること。
• 多様なセンサー機器および環境を対象とした広範なモンテカルロシミュレーションと実世界実験を通じて、提案手法の妥当性を検証すること。

提案手法

• R-VIOアルゴリズムは、固定されたグローバルフレームではなく、移動する局所IMUフレームに対して相対的な状態推定を実行するロボセントリックな定式化を採用したスライディングウィンドウ拡張カルマンフィルタ（EKF）を用いる。
• 特徴数の増加に対しても計算効率を維持できるよう、効率的な特徴管理のための確率的クローン技術を採用している。
• 数値的安定性を向上させるとともに、静止状態におけるスケールのあいまいさを扱えるように、特徴表現に逆深度パラメータライゼーションを採用している。
• 直接的なEKFフレームワーク内で視覚的および慣性的測定値を統合し、局所フレームを移動させるための合成ステップを回避している。
• 低動的状態では計算負荷を低減し、急加速度や急減速などの高動的イベント時には高い正確性を維持できるように、適応的更新レート戦略を実装している。
• 状態ベクトル内に局所重力とIMUバイアスを同時に推定することで、スケールドリフトに対するロバスト性を高め、z軸の安定性を向上させている。

実験結果

リサーチクエスチョン

• RQ1 ロボセントリックなVINS定式化は、ワールドセントリックなEKFベースのVINSシステムに見られる観測可能性不一致問題を解消できるか？
• RQ2 標準的なVINSではスケール観測可能性を失う平面移動などの退化した運動シナリオにおいて、提案されたR-VIOはどのように性能を発揮するか？
• RQ3 グローバル重力方向への初期化を必要とせず、任意の初期姿勢からも高精度で一貫性のあるモーショントラッキングを実現できるか？
• RQ4 適応的更新レートスケジューリングは、動的走行シナリオにおける推定正確性と計算効率にどのような影響を与えるか？
• RQ5 多様な実世界環境において、R-VIOは最先端のVINS手法と比較して、一貫性、正確性、リアルタイム性能の面で優れているか？

主な発見

• 都市走行テストでは、適応的更新レートを用いた場合、平均位置RMSEがx軸で24.222m、y軸で18.901m、z軸で7.689mに達し、走行距離の0.32％に相当した。
• 適応的更新レートにより、9.8km走行における平均ドリフトが5.917mに低下し、高レート（8.274m）および低レート（5.992m）設定を上回る性能を示した。
• 高速走行（86km/hへの加速）などの高動的フェーズでは、高レート（15Hz）を用いた場合、真値軌道を密接に追跡する優れた性能を発揮した。
• 減速フェーズでは、低レート更新がスケールドリフトを効果的に補償し、高レート更新よりもより正確な長期的軌道推定を実現した。
• 1フレームあたりの平均処理時間は59.3msで、うち視覚トラッキングおよび特徴管理に54.8ms、EKF更新に4.5msを要した。これにより、リアルタイム実行の可能性が裏付けられた。
• 提案されたロボセントリック定式化は、平面移動でさえも、追加センサーを必要とせずに、ワールドセントリックVINSに見られる観測可能性不一致問題を解析的に回避している。