[论文解读] Visual-Inertial Odometry-enhanced Geometrically Stable ICP for Mapping Applications using Aerial Robots

Tung Dang, Shehryar Khattak+2 more|arXiv (Cornell University)|Jan 24, 2018

Robotics and Sensor-Based Localization参考文献 19被引用 5

一句话总结

本文提出了一种基于飞行时间（ToF）深度传感器的视觉-惯性里程计增强型几何稳定ICP算法，用于空中机器人，利用VI里程计进行重叠估计和变换先验，同时在ICP优化前执行几何稳定性检查。该方法在计算开销极小的情况下提升了地图构建精度，在手持、自动及完全自主飞行任务中均得到验证，实现了更优的三维重建质量。

ABSTRACT

This paper presents a visual-inertial odometry-enhanced geometrically stable Iterative Closest Point (ICP) algorithm for accurate mapping using aerial robots. The proposed method employs a visual-inertial odometry framework in order to provide robust priors to the ICP step and calculate the overlap among point clouds derived from an onboard time-of-flight depth sensor. Within the overlapping parts of the point clouds, the method samples points such that the distribution of normals among them is as large as possible. As different geometries and sensor trajectories will influence the performance of the alignment process, evaluation of the expected geometric stability of the ICP step is conducted. It is only when this test is successful that the matching, outlier rejection, and minimization of the error metric ICP steps are conducted and the new relative translation and rotational components are estimated, otherwise the system relies on the visual-inertial odometry transformation estimates. The proposed strategy was evaluated within handheld, automated and fully autonomous exploration and mapping missions using a small aerial robot and was shown to provide robust results of superior quality at an affordable increase of the computational load.

研究动机与目标

• 提升空中机器人在室内或靠近建筑物等GPS拒止环境中的三维地图构建精度。
• 解决标准ICP在短程ToF传感器获取的病态深度数据上应用时的不稳定性问题。
• 将视觉-惯性里程计（VIO）作为鲁棒先验，用于引导和验证ICP优化。
• 在启动ICP前确保几何稳定性，防止收敛至次优解。
• 通过不确定性感知规划实现完全自主探索与地图构建，同时保持高质量、优化后的位姿估计。

提出的方法

• 该方法采用视觉-惯性里程计（VIO）框架估计初始位姿变换，并为ICP提供鲁棒先验。
• 利用VIO先验化的变换计算连续深度点云之间的重叠区域，从而限制ICP仅在相关区域进行优化。
• 基于ICP海塞矩阵的条件数执行几何稳定性检查，以评估ICP能否可靠估计变换。
• 通过优化点采样策略，最大化重叠区域内法向量的分布，以提升ICP收敛性。
• 仅在几何稳定性测试通过时，使用ICP算法最小化点到平面误差度量。
• 当稳定性测试失败时，系统退回到VIO先验化的变换，以维持鲁棒性。

实验结果

研究问题

• RQ1 基于VIO先验与几何稳定性检查的ICP能否提升GPS拒止环境下空中机器人的三维地图构建精度？
• RQ2 当深度数据存在噪声或病态时，与仅使用VIO的地图构建相比，该方法表现如何？
• RQ3 点采样中法向量分布最大化的策略对ICP收敛性与精度有何影响？
• RQ4 几何稳定性检查如何防止ICP在模糊或低重叠数据上失效？
• RQ5 在完全自主探索任务中，系统能否保持鲁棒且高质量的地图构建？

主要发现

• 与仅使用VIO的地图构建相比，所提方法在三维重建质量上表现更优，尤其显著减少了表面上的‘双重叠加’等伪影。
• 几何稳定性检查成功识别并避免了在病态数据上进行ICP优化，防止了错误的位姿估计。
• 在所有测试场景（手持、自动、自主）中，ICP计算时间均保持在1秒以内，确保了机器人机载实时性。
• 在12×6.5×2米的室内环境中进行自主探索时，系统保持了稳定、一致的位姿更新，未出现故障点。
• 经ICP优化的地图更准确地还原了物体几何特征——例如，列奥纳多·达·芬奇雕像的鼻子部分重建效果优于仅使用VIO的结果。
• 该方法在长时间自主任务中表现出鲁棒性，未因ICP不稳定性导致系统崩溃。