[論文レビュー] VIR-SLAM: Visual, Inertial, and Ranging SLAM for single and multi-robot systems

Yanjun Cao, Giovanni Beltrame|arXiv (Cornell University)|May 31, 2020

Robotics and Sensor-Based Localization参考文献 17被引用数 4

ひとこと要約

本論文は、1つの静的UWBアンカーを用いて単眼視覚・慣性結合オドメトリ（VIO）の誤差を補正する、視覚的・慣性的・超広帯域（UWB）距離測定を組み合わせたSLAMシステムVIR-SLAMを提案する。VIOにUWB距離測定値を融合させることで、ベンチマークデータセット上での蓄積誤差を20％以上低減し、視覚的に困難な環境でもドリフトなしの局所化を実現する。また、相互UWB距離測定とアンカー基準の変換推定により、低コストなロボット間の協調SLAMを可能にする。

ABSTRACT

Monocular cameras coupled with inertial measurements generally give high performance visual inertial odometry. However, drift can be significant with long trajectories, especially when the environment is visually challenging. In this paper, we propose a system that leverages ultra-wideband ranging with one static anchor placed in the environment to correct the accumulated error whenever the anchor is visible. We also use this setup for collaborative SLAM: different robots use mutual ranging (when available) and the common anchor to estimate the transformation between each other, facilitating map fusion Our system consists of two modules: a double layer ranging, visual, and inertial odometry for single robots, and a transformation estimation module for collaborative SLAM. We test our system on public datasets by simulating an ultra-wideband sensor as well as on real robots. Experiments show our method can outperform state-of-the-art visual-inertial odometry by more than 20%. For visually challenging environments, our method works even the visual-inertial odometry has significant drift Furthermore, we can compute the collaborative SLAM transformation matrix at almost no extra computation cost.

研究の動機と目的

• 長時間のトラジェクトリにおいて、視覚的に困難な環境でも継続的に生じる単眼視覚・慣性結合オドメトリ（VIO）のドリフト問題を解決すること。
• ループクロージャーやマルチアンカーインfrastrucureを必要とせず、1つの静的UWBアンカーのみでドリフトなしの局所化を実現すること。
• 共通のUWBアンカーを介した相互UWB距離測定と変換推定により、特徴ベースのループクロージャーを不要にすることで、マルチロボットSLAMの簡素化を図ること。
• 複数ロボット間のループクロージャーや分散最適化の複雑さを回避することで、協調SLAMにおける計算コストを低減すること。
• カメラ、IMU、UWBの最小限のセンサーセットが、単一およびマルチロボットシステムにおいて高精度で強固な局所化と協調を可能にするかを実証すること。

提案手法

• 本システムは、スライディングウィンドウ最適化フレームワーク内で、UWB距離測定値と視覚的・慣性的データを密に統合する二層構造の距離測定・視覚的・慣性的状態推定器をVINS-Monoに拡張する。
• 環境に1つの静的UWBアンカーを設置し、視認可能な場合にその距離測定値を用いてVIO解の蓄積誤差を補正する。
• マルチロボットSLAMでは、ロボット間のUWB距離測定と共有アンカー測定値を用いて、特徴ベースのループクロージャーを必要とせずにロボット間の相対的変換を推定する。
• 送信元の識別子が自動的に判明するUWBの内在的データアソシエーション機能を活用し、ロボット間通信を簡素化し、データアソシエーションエラーを低減する。
• 変換推定モジュールは、2つのロボット間のUWB測定値のみを用いて相対姿勢を計算し、最小限の計算オーバーヘッドでリアルタイムなマップ統合を実現する。
• 本手法は、公開データセット（例：EuRoC）におけるシミュレーテッドUWBと、Realsenseカメラ、IMU、UWBモジュールを搭載したロボットを用いた実世界実験の両方で評価されている。

実験結果

リサーチクエスチョン

• RQ1 1つの静的UWBアンカーを用いて、ループクロージャーやマルチアンカーインfrastrucureを必要とせずに、単眼VIOのドリフトを効果的に低減できるか？
• RQ2 VIOの性能が低下する視覚的に困難な環境において、UWB距離測定の統合が局所化精度をどのように向上させるか？
• RQ3 ロボット間の相互UWB距離測定が、協調SLAMに適した正確で低コストなロボット間変換推定を可能にするか？
• RQ4 VINS-Monoなどの最先端VIOシステムと比較して、本手法が絶対軌道誤差（ATE）の観点で顕著な性能向上を達成するか？
• RQ5 特徴が乏しく、反射性の高い環境など、高いドリフトが生じる長時間トラジェクトリにおいて、本システムがどれほど精度を維持できるか？

主な発見

• EuRoC MH_05シーケンスにおいて、VIR-SLAMはVINS-Monoと比較して絶対軌道誤差（ATE）を24.84％低減し、0.291m（VINS-Mono：0.388m）を達成した。
• 低テクスチャで反射性の高いアトリウム環境において、VIR-SLAMは2次元のスタート・エンド誤差をわずか0.148mに抑え、VINS-Monoの5.439mと比較して顕著な改善を示した。
• 複数のEuRoCシーケンスにおいて、ATEで20％以上の改善が得られ、特にラボシーケンス1で最大27.81％の向上を達成した。
• ループクロージャーを一切使用しなくても、VIR-SLAMはアトリウム環境でトラジェクトリを正常に閉じることができ、開始点と終了点がほぼ一致しており、効果的なドリフト補正が実証された。
• 2台の独立して移動するロボット間の変換行列は、わずか2つのロボット間UWB測定値のみを用いて計算され、追加計算コストをほとんど要せず、正確なマップ統合が可能となった。
• Realsense D435、Pixracer IMU、UWBモジュールを搭載したSpiriロボットを用いた実世界実験でも、実環境制約下で一貫した性能を示した。