[论文解读] Closed-form solution to cooperative visual-inertial structure from motion

Agostino Martinelli|arXiv (Cornell University)|Feb 23, 2018

Robotics and Sensor-Based Localization参考文献 3被引用 6

一句话总结

本文提出了一种在双智能体系统中合作视觉-惯性结构运动的闭式解法，其中每个智能体使用单目相机和IMU（加速度计与陀螺仪）来估计完整可观测状态——包括绝对尺度、相对速度、相对姿态（欧拉角）以及偏差——而无需外部特征或初始化。该方法通过利用相互的相机观测并解析求解系统动力学，实现了精确的状态估计，其关键贡献在于提出了一种新颖的偏差估计技术，可在存在陀螺仪偏差的情况下恢复性能。

ABSTRACT

This paper considers the problem of visual-inertial sensor fusion in the cooperative case and it provides new theoretical contributions, which regard its observability and its resolvability in closed form. The case of two agents is investigated. Each agent is equipped with inertial sensors (accelerometer and gyroscope) and with a monocular camera. By using the monocular camera, each agent can observe the other agent. No additional camera observations (e.g., of external point features in the environment) are considered. All the inertial sensors are assumed to be affected by a bias. First, the entire observable state is analytically derived. This state includes the absolute scale, the relative velocity between the two agents, the three Euler angles that express the rotation between the two agent frames and all the accelerometer and gyroscope biases. Second, the paper provides the extension of the closed-form solution given in [19] (which holds for a single agent) to the aforementioned cooperative case. The impact of the presence of the bias on the performance of this closed-form solution is investigated. As in the case of a single agent, this performance is significantly sensitive to the presence of a bias on the gyroscope, while, the presence of a bias on the accelerometer is negligible. Finally, a simple and effective method to obtain the gyroscope bias is proposed. Extensive simulations clearly show that the proposed method is successful. It is amazing that, it is possible to automatically retrieve the absolute scale and simultaneously calibrate the gyroscopes not only without any prior knowledge (as in [13]), but also without external point features in the environment.

研究动机与目标

• 解决在最小场景下合作视觉-惯性状态估计缺乏确定性、无需初始化的解决方案的问题。
• 探究在无外部点特征的情况下，是否可实现绝对尺度与完整状态可观测性。
• 将单智能体的闭式解法扩展至具有相互单目观测与偏差IMU的双智能体合作系统。
• 开发一种鲁棒的陀螺仪偏差估计方法，该方法被证明是存在偏差时性能的主要限制因素。
• 证明可通过仅使用智能体间视觉与惯性测量，自主恢复绝对尺度与完整状态。

提出的方法

• 将系统状态定义为包含绝对尺度、相对位置、相对速度、相对姿态（欧拉角）以及两个智能体的加速度计与陀螺仪偏差。
• 使用四元数与来自两个IMU的角速度/加速度输入对系统动力学进行建模，确保状态演化仅依赖于当前状态与输入。
• 将相机观测表示为两个智能体之间的方向向量（至多尺度），利用每个智能体本地坐标系中的相对位置与姿态。
• 通过在短时间内收集的视觉与惯性测量数据，解析求解系统方程，推导出闭式解。
• 利用李导数的可观测性秩条件，证明在给定模型下所有22个状态分量均可观测。
• 提出一种简单而有效的方法，通过利用闭式解的结构与系统动力学，估计陀螺仪偏差。

实验结果

研究问题

• RQ1 在无外部点特征且仅依赖相互单目观测的合作视觉-惯性系统中，能否恢复绝对尺度？
• RQ2 在具有偏差IMU的双智能体合作设置中，完整状态（包括相对姿态、速度与偏差）是否可观测？
• RQ3 加速度计与陀螺仪偏差的存在如何影响闭式解的性能？
• RQ4 能否设计一种偏差估计方法，在无需初始化的情况下恢复陀螺仪偏差下的性能？
• RQ5 当应用于具有合成传感器噪声的真实MAV运动时，闭式解是否能保持精度？

主要发现

• 即使在最小的双智能体合作场景下，绝对尺度也可被可观测并恢复，且无需任何先验知识或外部特征。
• 通过可观测性秩条件，完整状态（包括相对姿态（欧拉角）、相对速度与所有偏差）可被解析可观测。
• 闭式解的性能对陀螺仪偏差极为敏感，若未校正，将严重降低估计精度。
• 加速度计偏差对性能影响可忽略不计，表明对这类误差具有鲁棒性。
• 所提出的陀螺仪偏差估计方法成功将性能恢复至接近无偏差水平，从而实现可靠的尺度恢复。
• 大量仿真结果证实，该方法在数秒内即可实现精确的状态估计，适用于实时MAV应用。