[论文解读] Robust Stereo Visual Inertial Odometry for Fast Autonomous Flight

Ke Sun, Kartik Mohta+6 more|arXiv (Cornell University)|Nov 30, 2017

Robotics and Sensor-Based Localization参考文献 23被引用 17

一句话总结

本文提出S-MSCKF，一种基于滤波器的立体视觉-惯性里程计系统，采用多状态约束卡尔曼滤波器（Multi-State Constraint Kalman Filter）实现快速自主飞行。该系统在计算效率上达到单目水平，同时在复杂环境下的鲁棒性显著提升，已在EuRoC数据集和自建的高速飞行数据集（最高达17.5 m/s）上得到验证。

ABSTRACT

In recent years, vision-aided inertial odometry for state estimation has matured significantly. However, we still encounter challenges in terms of improving the computational efficiency and robustness of the underlying algorithms for applications in autonomous flight with micro aerial vehicles in which it is difficult to use high quality sensors and pow- erful processors because of constraints on size and weight. In this paper, we present a filter-based stereo visual inertial odometry that uses the Multi-State Constraint Kalman Filter (MSCKF) [1]. Previous work on stereo visual inertial odometry has resulted in solutions that are computationally expensive. We demonstrate that our Stereo Multi-State Constraint Kalman Filter (S-MSCKF) is comparable to state-of-art monocular solutions in terms of computational cost, while providing signifi- cantly greater robustness. We evaluate our S-MSCKF algorithm and compare it with state-of-art methods including OKVIS, ROVIO, and VINS-MONO on both the EuRoC dataset, and our own experimental datasets demonstrating fast autonomous flight with maximum speed of 17.5m/s in indoor and outdoor environments. Our implementation of the S-MSCKF is available at https://github.com/KumarRobotics/msckf_vio.

研究动机与目标

• 解决在计算资源和传感器质量有限的微型飞行器（MAVs）上实现高精度、实时状态估计的挑战。
• 克服立体视觉-惯性里程计（stereo VIO）比单目VIO计算更昂贵的普遍认知，证明其计算效率可与单目方法相当甚至更优。
• 开发一种基于滤波器的立体VIO系统，在高速运动、低纹理和光照变化等极端条件下仍保持鲁棒性。
• 仅依赖机载传感器和笔记本电脑级计算设备，实现在GPS拒止、非结构化环境下的完全自主飞行。
• 提供一个开源、具备实时处理能力的实现，以促进更广泛的研究与应用。

提出的方法

• 通过将两个同步的相机帧作为独立测量值，将多状态约束卡尔曼滤波器（MSCKF）扩展至立体视觉系统。
• 采用因子图表示法建模状态估计问题，其中状态向量包含位姿、速度、偏差以及相机位置。
• 在扩展卡尔曼滤波器（EKF）框架下，基于IMU和立体图像测量值，通过预测与更新步骤递归估计状态及其协方差。
• 利用链式法则推导立体特征的测量雅可比矩阵，同时考虑左右相机的投影及其向全局坐标系的变换。
• 引入状态增强技术，以处理立体特征带来的多状态约束，确保在不同视角下状态估计的一致性。
• 实现一种鲁棒的初始化与重线性化策略，以在高速机动和动态环境中保持高精度。

实验结果

研究问题

• RQ1 立体视觉-惯性里程计系统是否能在计算效率上达到与单目系统相当的水平，同时保持更优的鲁棒性？
• RQ2 所提出的S-MSCKF在极端飞行条件（如高速飞行，最高达17.5 m/s）和低纹理环境下的表现如何？
• RQ3 在GPS拒止和动态环境中，与单目VIO相比，立体配置在多大程度上提升了系统鲁棒性？
• RQ4 基于滤波器的立体VIO是否能在无GPU加速的笔记本电脑级计算机上实现实时运行？
• RQ5 与当前最先进VIO系统（如OKVIS、ROVIO和VINS-MONO）相比，S-MSCKF在精度、效率和鲁棒性方面表现如何？

主要发现

• S-MSCKF在计算效率上与当前最先进的单目VIO系统（如VINS-MONO）相当，CPU占用率相似或更低。
• 系统在高速飞行中表现出显著鲁棒性，成功在室内外环境中实现最高达17.5 m/s的飞行导航。
• 在EuRoC数据集上，S-MSCKF在精度和鲁棒性方面优于OKVIS、ROVIO和VINS-MONO，尤其在低纹理和高动态场景中表现突出。
• 与单目系统相比，立体配置显著提升了对运动模糊、光照变化和特征丢失的鲁棒性。
• 该算法在无间歇性CPU峰值的情况下保持一致性能，适用于资源受限平台的实时机载部署。
• 开源实现已公开发布于 https://github.com/KumarRobotics/msckf_vio，支持可复现性与进一步研究。