[论文解读] Stereo Visual Inertial LiDAR Simultaneous Localization and Mapping

Weizhao Shao, Srinivasan Vijayarangan+2 more|arXiv (Cornell University)|Feb 27, 2019

Robotics and Sensor-Based Localization参考文献 41被引用 9

一句话总结

本文提出 VIL-SLAM，一种紧耦合的双目视觉-惯性-激光雷达系统，通过融合双目视觉-惯性里程计（VIO）与激光雷达建图、以及激光雷达增强的视觉回环检测，实现鲁棒、实时的6-DOF位姿估计与密集的1cm体素建图。该系统通过利用VIO减少漂移，并借助ICP优化的回环检测校正全局误差，在隧道和走廊等退化环境中优于最先进激光雷达SLAM系统。

ABSTRACT

Simultaneous Localization and Mapping (SLAM) is a fundamental task to mobile and aerial robotics. LiDAR based systems have proven to be superior compared to vision based systems due to its accuracy and robustness. In spite of its superiority, pure LiDAR based systems fail in certain degenerate cases like traveling through a tunnel. We propose Stereo Visual Inertial LiDAR (VIL) SLAM that performs better on these degenerate cases and has comparable performance on all other cases. VIL-SLAM accomplishes this by incorporating tightly-coupled stereo visual inertial odometry (VIO) with LiDAR mapping and LiDAR enhanced visual loop closure. The system generates loop-closure corrected 6-DOF LiDAR poses in real-time and 1cm voxel dense maps near real-time. VIL-SLAM demonstrates improved accuracy and robustness compared to state-of-the-art LiDAR methods.

研究动机与目标

• 解决纯激光雷达SLAM在隧道和无特征走廊等退化环境中的局限性，这些环境中激光雷达因结构退化而失效。
• 通过将紧耦合的双目视觉-惯性里程计（VIO）与基于激光雷达的建图和回环检测相结合，提升长期SLAM的鲁棒性与精度。
• 利用混合传感器融合框架，实现实时、全局一致的6-DOF位姿估计与近实时的密集1cm体素建图。
• 提出一种新型评估方法，使用飞行时间激光扫描（Faro）数据验证建图精度与真实值的对比。
• 在纯激光雷达系统失效的复杂环境中，证明其性能优于最先进激光雷达SLAM（如LOAM）系统。

提出的方法

• 采用紧耦合的双目VIO与固定滞后平滑技术，通过联合优化IMU与双目视觉测量，估计高频、低漂移的相对运动。
• 使用稀疏3D激光雷达特征进行扫描匹配与地图注册，实现高保真度3D点云的精确累积。
• 提出一种混合回环检测机制：首先利用词袋模型进行视觉场景识别以检测候选回环，随后通过PnP与ICP在稀疏激光雷达点云上优化位姿校正。
• 应用增量式位姿图优化，利用回环检测约束对全局位姿进行精细调整，减少累积漂移。
• 基于全局优化后的位姿，近实时生成密集的1cm体素地图。
• 在EuRoC MAV数据集上验证VIO性能，采用绝对轨迹误差（ATE）指标，证实其在剧烈运动与无纹理条件下仍具鲁棒性。

实验结果

研究问题

• RQ1 紧耦合融合双目VIO与激光雷达建图是否能提升在纯激光雷达SLAM失效环境（如隧道与无特征走廊）中的SLAM鲁棒性？
• RQ2 在退化场景中，激光雷达增强的视觉回环检测与纯视觉或纯激光雷达回环检测相比，在精度与收敛性方面表现如何？
• RQ3 VIO的集成在长时间轨迹中对激光雷达里程计的漂移抑制程度如何？
• RQ4 该系统是否能在多样化环境中实现实时、全局一致的6-DOF位姿估计与密集1cm体素建图？
• RQ5 与飞行时间激光扫描仪（Faro）提供的真实值相比，该系统在建图与轨迹精度方面的定量表现如何？

主要发现

• 在大型环路测试中，仅使用里程计时，VIL-SLAM实现0.01%的FDE（最终偏差误差），优于LOAM系统，后者因z方向漂移在重新进入高架车间时完全失效。
• 在隧道测试中，回环检测将FDE降低至0.08%，有效校正了沿行进方向累积的显著漂移，而LOAM系统则完全失效。
• 在走廊测试中，回环检测将FDE降低至0.05%，成功检测并校正了由无特征墙面与欠约束VIO导致的错位问题。
• 在EuRoC MAV数据集上，VIL-VIO的ATE性能与最先进方法相当，证明其在运动模糊、光照变化与无纹理区域下的鲁棒性。
• 系统可近实时生成全局一致的密集1cm体素地图，高架车间测试中建图误差大多低于0.15m，经Faro激光扫描验证。
• VIL-SLAM成功实现了复杂、长轨迹环境（包括室外、室内与退化场景）的建图，而LOAM系统在这些场景中完全失效，充分证明其卓越的鲁棒性与精度。