[论文解读] AprilTags 3D: Dynamic Fiducial Markers for Robust Pose Estimation in Highly Reflective Environments and Indirect Communication in Swarm Robotics

Luis A. Mateos|arXiv (Cornell University)|Jan 11, 2020

Robotics and Sensor-Based Localization参考文献 15被引用 10

一句话总结

该论文提出AprilTags3D，一种3D特征标记系统，通过在非共面、倾斜的平面上安装多个AprilTags，显著提升了在高度反光户外环境中姿态估计的准确性。通过实时融合来自空间分布多样的标签的姿态估计结果，该方法降低了噪声并提高了检测可靠性——在标准AprilTags失败率达40%的户外水面对环境中实现了95%的标签检测率，同时通过在LCD屏幕上动态改变标签ID，实现了无需额外硬件的群体机器人间接通信。

ABSTRACT

Although fiducial markers give an accurate pose estimation in laboratory conditions, where the noisy factors are controlled, using them in field robotic applications remains a challenge. This is constrained to the fiducial maker systems, since they only work within the RGB image space. As a result, noises in the image produce large pose estimation errors. In robotic applications, fiducial markers have been mainly used in its original and simple form, as a plane in a printed paper sheet. This setup is sufficient for basic visual servoing and augmented reality applications, but not for complex swarm robotic applications in which the setup consists of multiple dynamic markers (tags displayed on LCD screen). This paper describes a novel methodology, called AprilTags3D, that improves pose estimation accuracy of AprilTags in field robotics with only RGB sensor by adding a third dimension to the marker detector. Also, presents experimental results from applying the proposed methodology to swarm autonomous robotic boats for latching between them and for creating robotic formations.

研究动机与目标

• 解决在城市河流等高度反光环境（如阳光照射和水面反光）中AprilTags检测与姿态估计不可靠的问题。
• 克服平面AprilTags在野外机器人应用中因透视模糊和反光引起的噪声问题。
• 通过在非共面平面上布置多个标签，仅使用RGB摄像头实现鲁棒、实时的6-DOF姿态估计。
• 通过在LCD屏幕上动态更改标签ID，开发一种无需额外硬件的可扩展方法，实现群体机器人中的间接通信。
• 在真实环境干扰条件下，验证该框架在自主机器人船对接与编队控制中的有效性。

提出的方法

• 将多个AprilTags安装在彼此不平行的平面上（例如相互旋转15–30°），形成类似半圆球的3D结构，以减少反光对姿态估计的影响。
• 采用多标签姿态融合算法，结合所有可见标签的角点检测结果（n个标签共4n个点），计算出一个更鲁棒的6-DOF姿态估计，模拟基于卡尔曼滤波的传感器融合。
• 应用基于不确定性的加权最小二乘优化，通过最小化所有检测到的标签角点的重投影误差，估计全局姿态，其中权重根据检测可靠性进行调整。
• 在LCD屏幕上集成动态标签ID更新机制，用于编码机器人状态（如对接准备状态），实现群体机器人系统中无需额外硬件的间接视觉通信。
• 在仅使用RGB摄像头、无IMU或深度相机等额外传感器的自主机器人船上部署该系统。
• 采用相机到目标的对接原则，即从机机器人估计领航机器人的姿态，并以小于40mm的精度导航至目标位置。

实验结果

研究问题

• RQ1 与平面标记相比，将AprilTags以非共面平面方式三维排列是否能显著提升在高度反光户外环境中的姿态估计鲁棒性？
• RQ2 在真实环境条件（如水面反光、风力扰动和移动平台）下，AprilTags3D框架在多大程度上降低了检测失败率？
• RQ3 在LCD屏幕上动态更改标签ID是否能实现无需额外通信硬件的可靠、间接机器人间通信？
• RQ4 在噪声大、动态性强的环境中，多个非共面AprilTags的融合如何提升姿态估计精度并降低噪声？
• RQ5 AprilTags3D框架是否能有效扩展至支持N个机器人的编队与对接任务，并在实时野外应用中稳定运行？

主要发现

• AprilTags3D系统在具有强烈阳光反光的户外水面对环境中实现了95%的标签检测率，而标准打印AprilTags仅为60%。
• 在户外对接任务中，AprilTags3D系统将每次成功对接的平均尝试次数从五次减少到两次以下，归因于姿态估计稳定性的提升。
• 3D标签布局显著降低了由反光和透视模糊引起的位置估计误差，即使单个标签部分被遮挡，也能实现可靠的6-DOF姿态估计。
• LCD屏幕上动态更新的标签成功在群体中传递了机器人状态（如对接准备就绪），实现了可扩展的视觉编队控制，通信模式类似“传话游戏”。
• 该系统使自主机器人船在受波浪影响的动态环境中实现了小于40mm的定位精度，满足机械对接的精度要求。
• AprilTags3D框架在可扩展性方面表现良好，如四艘船组成的列车式编队实验所示，每台机器人通过标签更新向前传递状态信息。