[论文解读] VIR-SLAM: Visual, Inertial, and Ranging SLAM for single and multi-robot systems

Yanjun Cao, Giovanni Beltrame|arXiv (Cornell University)|May 31, 2020

Robotics and Sensor-Based Localization参考文献 17被引用 4

一句话总结

该论文提出VIR-SLAM，一种视觉-惯性-超宽带（UWB）测距SLAM系统，利用单个静态UWB信标校正单目视觉-惯性里程计的漂移。通过融合UWB距离测量与VIO，该系统在基准数据集上将累积误差减少20%以上，并在视觉挑战性环境中实现无漂移定位，同时通过相互UWB测距与基于信标的变换估计，实现低成本的多机器人协同SLAM。

ABSTRACT

Monocular cameras coupled with inertial measurements generally give high performance visual inertial odometry. However, drift can be significant with long trajectories, especially when the environment is visually challenging. In this paper, we propose a system that leverages ultra-wideband ranging with one static anchor placed in the environment to correct the accumulated error whenever the anchor is visible. We also use this setup for collaborative SLAM: different robots use mutual ranging (when available) and the common anchor to estimate the transformation between each other, facilitating map fusion Our system consists of two modules: a double layer ranging, visual, and inertial odometry for single robots, and a transformation estimation module for collaborative SLAM. We test our system on public datasets by simulating an ultra-wideband sensor as well as on real robots. Experiments show our method can outperform state-of-the-art visual-inertial odometry by more than 20%. For visually challenging environments, our method works even the visual-inertial odometry has significant drift Furthermore, we can compute the collaborative SLAM transformation matrix at almost no extra computation cost.

研究动机与目标

• 为解决单目视觉-惯性里程计（VIO）在长轨迹中持续存在的漂移问题，特别是在视觉挑战性环境中的问题。
• 仅使用一个静态UWB信标实现无漂移定位，避免对多信标基础设施或回环检测的依赖。
• 通过利用相互UWB测距与共用UWB信标，简化多机器人SLAM中的精确机器人间变换估计。
• 通过避免复杂的机器人间回环检测与分布式优化，降低协同SLAM中的计算成本。
• 证明仅配备相机、IMU和UWB的最小传感器套件，即可在单机器人与多机器人系统中实现高精度、鲁棒的定位与协作。

提出的方法

• 系统在VINS-Mono基础上扩展为双层测距、视觉与惯性状态估计算法，将UWB距离测量与视觉和惯性数据在滑动窗口优化框架中紧密耦合。
• 在环境中部署一个静态UWB信标；当其可见时，利用其距离测量值校正VIO解的累积漂移。
• 在多机器人SLAM中，通过机器人间UWB测距与共享信标测量，估计机器人间的相对变换，而无需基于特征的回环检测。
• 系统利用UWB固有的数据关联能力——发送方身份可自动识别——以简化机器人间通信并减少数据关联错误。
• 变换估计模块仅通过两次机器人间UWB测量即可计算机器人间的相对位姿，实现实时地图融合且计算开销极低。
• 该方法通过在公开数据集（如EuRoC）上模拟UWB以及在配备Realsense相机、IMU和UWB模块的机器人上进行真实世界实验进行评估。

实验结果

研究问题

• RQ1 单个静态UWB信标是否能有效减少单目视觉-惯性里程计的漂移，而无需依赖回环检测或多信标基础设施？
• RQ2 UWB测距的集成如何提升在VIO性能下降的视觉挑战性环境中的定位精度？
• RQ3 机器人间的相互UWB测距是否能实现精确且低成本的机器人间变换估计，以支持协同SLAM？
• RQ4 与SOTA VIO系统（如VINS-Mono）相比，所提方法在绝对轨迹误差（ATE）方面是否实现显著性能提升？
• RQ5 在高漂移的长轨迹中，如无特征或高反射环境，系统在多大程度上能保持精度？

主要发现

• 在EuRoC MH_05序列中，VIR-SLAM相比VINS-Mono将绝对轨迹误差（ATE）降低了24.84%，达到0.291m，而VINS-Mono为0.388m。
• 在低纹理与高反射的挑战性大厅环境中，VIR-SLAM的2D起点到终点误差仅为0.148m，而VINS-Mono为5.439m。
• 在多个EuRoC序列上，VIR-SLAM的ATE改善超过20%，其中在实验室序列1中提升最大，达27.81%。
• 即使未使用回环检测，VIR-SLAM在大厅环境中仍成功闭合轨迹，起点与终点几乎重合，证明了其漂移校正的有效性。
• 仅通过两次机器人间UWB测量，系统即计算出两台独立运动机器人间的变换矩阵，实现了高精度地图融合，且额外计算开销可忽略不计。
• 系统在真实世界条件下表现出鲁棒性，使用配备Realsense D435、Pixracer IMU和UWB模块的Spiri机器人，在真实约束下实现了稳定性能。