[論文レビュー] Simultaneous Localization and Mapping (SLAM) using RTAB-MAP

Sagarnil Das|arXiv (Cornell University)|Sep 9, 2018

Robotics and Sensor-Based Localization参考文献 1被引用数 15

ひとこと要約

本論文では、出現特徴に基づくループクロージャを用いた ORB-SLAM を活用し、シミュレーテッド環境におけるリアルタイム2Dおよび3D同時自己位置決定と地図作成（SLAM）の実装を実施した。キッチン・ダイニング環境では66件のグローバルループクロージャを達成し、詳細な2D占有グリッドと3Dポイントクラウドを正確に再構築した。これにより、RTAB-Mapが複雑な環境における大規模かつリアルタイムのSLAMに有効であることが示された。

ABSTRACT

This paper implements Simultaneous Localization and Mapping (SLAM) technique to construct a map of a given environment. A Real Time Appearance Based Mapping (RTAB-Map) approach was taken for accomplishing this task. Initially, a 2d occupancy grid and 3d octomap was created from a provided simulated environment. Next, a personal simulated environment was created for mapping as well. In this appearance based method, a process called Loop Closure is used to determine whether a robot has seen a location before or not. In this paper, it is seen that RTAB-Map is optimized for large scale and long term SLAM by using multiple strategies to allow for loop closure to be done in real time and the results depict that it can be an excellent solution for SLAM to develop robots that can map an environment in both 2d and 3d.

研究の動機と目的

• 未知の環境において正確な2Dおよび3D地図を構築できるリアルタイムSLAMシステムの開発を目的とする。
• シミュレーテッド環境を用いて、大規模かつ長期にわたるマッピングシナリオにおけるRTAB-Mapの性能を評価することを目的とする。
• マップの一貫性と自己位置推定の正確性を維持する上で、出現特徴に基づくループクロージャの有効性を評価することを目的とする。
• ORB-SLAMをRTAB-Map内に統合することで、リアルタイムの3D再構築およびループクロージャ検出の実現可能性を示すこと。
• 複雑な屋内環境におけるロボットナビゲーションおよび環境マッピングの実用的導入を検討すること。

提案手法

• RTAB-Mapを用いて、キッチン・ダイニングおよび独自に作成したサガル・カフェ世界という2つのシミュレーテッド環境でSLAMを実行した。
• ロボットのナビゲーション中に収集したセンサデータから、2D占有グリッドマップと3Dオクトマップを生成した。
• ループクロージャ検出にはORB-SLAMアルゴリズムを採用し、以前に訪問した場所をリアルタイムで認識可能にした。
• システムはモンテカルロ局所化（MCL）と占有グリッドマッピングを統合し、リアルタイムでのロボットポーズ推定とマップ更新を実現した。
• シミュレーション（world.launch）、遠隔操作（teleop.launch）、RTAB-Mapノード実行（mapping.launch）、可視化（rviz.launch）を管理するための起動ファイルを設定した。
• マッピングデータはrtabmap.dbデータベースに保存され、3Dポイントクラウドは可視化および分析のためエクスポートされた。

実験結果

リサーチクエスチョン

• RQ1 RTAB-Mapは、シミュレーテッド環境において出現特徴に基づくループクロージャを用いて、リアルタイムで大規模な2Dおよび3D SLAMを達成できるか？
• RQ2 長時間にわたるロボットナビゲーション中に、ORB-SLAMベースのループクロージャメカニズムは、ループクロージャの検出と是正にどの程度効果的か？
• RQ3 RTAB-Mapは、同じ環境を複数回走行する際に、どの程度マップの一貫性と自己位置推定の正確性を維持できるか？
• RQ4 高さの差や透明な障壁といった構造的課題を有する環境では、RTAB-Mapにどのような限界があるか？
• RQ5 将来的なロボットアプリケーションにおいて、RTAB-Mapを障害物検出やWiFi信号強度マッピングに拡張するにはどうすればよいか？

主な発見

• RTAB-Mapシステムは、テーブル、いす、壁などの物体に対して高い特徴忠実度を示す、詳細な2D占有グリッドマップと3Dポイントクラウドマップをキッチン・ダイニング環境に正確に構築した。
• キッチン・ダイニング世界では66件のグローバルループクロージャを達成し、長時間にわたるナビゲーションにおいても強力なループクロージャ検出性能を示した。
• キッチン・ダイニング世界における3Dポイントクラウド再構築は、RTAB-MapビューアおよびRVizでの視覚的検証により、環境の特徴を正確に捉えていた。
• サガル・カフェ世界では、ロボットが台所領域に入ることができなかったが、これは高さの差や透明ドアの影響によるものと推定され、シミュレーションにおける物理的障壁の処理に限界があることを示した。
• rtabmap.dbデータベースおよび可視化結果から、システムは安定したマップ更新と信頼性の高いループクロージャ検出を実現しており、リアルタイム性能を示した。
• 将来的な拡張として、障害物抽出やWiFi信号強度マッピングが、ナビゲーションの耐障害性および環境認識能力を向上させる上で有望であると判明した。