[论文解读] Trifo-VIO: Robust and Efficient Stereo Visual Inertial Odometry using Points and Lines

Feng Zheng, Grace Tsai+4 more|arXiv (Cornell University)|Mar 6, 2018

Robotics and Sensor-Based Localization参考文献 29被引用 5

一句话总结

Trifo-VIO 是一种紧耦合的、基于滤波的双目视觉-惯性里程计系统，通过联合利用点特征和线特征，显著提升了在低纹理或光照挑战环境下的鲁棒性。该方法提出了一种轻量级、基于EKF的回环检测机制，能够最优地将滑动窗口重定位至过去的关键帧，从而在无需全局优化的情况下显著减少漂移，并在EuRoC和新发布的Trifo Ironsides数据集上实现了最先进性能。

ABSTRACT

In this paper, we present the Trifo Visual Inertial Odometry (Trifo-VIO), a tightly-coupled filtering-based stereo VIO system using both points and lines. Line features help improve system robustness in challenging scenarios when point features cannot be reliably detected or tracked, e.g. low-texture environment or lighting change. In addition, we propose a novel lightweight filtering-based loop closing technique to reduce accumulated drift without global bundle adjustment or pose graph optimization. We formulate loop closure as EKF updates to optimally relocate the current sliding window maintained by the filter to past keyframes. We also present the Trifo Ironsides dataset, a new visual-inertial dataset, featuring high-quality synchronized stereo camera and IMU data from the Ironsides sensor [3] with various motion types and textures and millimeter-accuracy groundtruth. To validate the performance of the proposed system, we conduct extensive comparison with state-of-the-art approaches (OKVIS, VINS-MONO and S-MSCKF) using both the public EuRoC dataset and the Trifo Ironsides dataset.

研究动机与目标

• 提升双目视觉-惯性里程计在点特征失效的低纹理或动态光照环境下的鲁棒性。
• 开发一种轻量级、基于滤波的回环检测机制，以在不依赖昂贵的捆绑调整或位姿图优化的情况下有效减少长期漂移。
• 引入一个新的高精度、同步双目相机与IMU数据集（Trifo Ironsides），用于在多样化的运动和纹理条件下评估VIO系统。
• 证明基于紧耦合滤波框架并同时使用点和线特征的VIO系统，其性能可与或优于当前最先进的优化方法。

提出的方法

• 系统采用多状态约束卡尔曼滤波器（MSCKF）在滑动窗口内联合处理双目点特征和线特征，保持与特征数量线性增长的计算成本。
• 通过边缘检测提取线特征，并拟合为线段，随后将其融入状态估计过程，以在特征稀少场景中增强运动约束。
• 提出一种新颖的回环检测技术，作为EKF更新实现，可最优地将当前滑动窗口重定位至检测到的回环关键帧，从而在不依赖全局优化的情况下最小化漂移。
• 在紧耦合的滤波框架中于测量层融合视觉与惯性观测，实现实时、高精度的状态估计。
• Trifo Ironsides数据集通过在高精度六轴机器人臂上同步采集双目相机与IMU数据获得，提供毫米级精度的真值。
• 所有组件——点和线特征追踪、状态估计以及回环检测——均统一在单一EKF框架中，以保证一致性与高效性。

实验结果

研究问题

• RQ1 将线特征集成是否能显著提升双目VIO在低纹理或光照挑战环境下的鲁棒性？
• RQ2 轻量级、基于滤波的回环检测方法是否能有效减少长期漂移，而无需依赖全局捆绑调整或位姿图优化？
• RQ3 基于紧耦合滤波框架并同时使用点和线特征的VIO系统，在精度与效率方面与当前最先进的优化方法相比如何？
• RQ4 新发布的Trifo Ironsides数据集在多大程度上能够实现对VIO系统在多样化运动与纹理条件下的更可靠评估？

主要发现

• Trifo-VIO在EuRoC数据集上实现了最先进性能，其绝对轨迹RMSE优于OKVIS、VINS-MONO和S-MSCKF。
• 在Trifo Ironsides数据集上，Trifo-VIO始终位列前两名，尤其在最具挑战性的序列（PI_3058）中表现突出，该序列具有高速运动和低纹理特征。
• 线特征的使用使Trifo-VIO在点特征方法（如OKVIS）失效的序列中仍能保持稳定跟踪，尤其在低纹理或重复纹理环境中表现优异。
• 所提出的基于EKF的回环检测方法能有效减少累积漂移，证明轻量级、原生滤波的回环检测可实现显著的漂移抑制，而无需昂贵的优化计算。
• Trifo Ironsides数据集提供了高精度、毫米级真值，非常适合在多样化运动轨迹和环境条件下评估VIO系统。
• Trifo-VIO对双目或时间序列中的帧丢失具有鲁棒性，其在EuRoC中具有挑战性的V2_03序列上表现稳定，而OKVIS在此序列上已失效。