[论文解读] VR-SLAM: A Visual-Range Simultaneous Localization and Mapping System using Monocular Camera and Ultra-wideband Sensors

Thien Hoang Nguyen, Shenghai Yuan+1 more|arXiv (Cornell University)|Mar 20, 2023

Robotics and Sensor-Based Localization被引用 5

一句话总结

本文提出 VR-SLAM，一种融合单目相机与超宽带（UWB）传感器的系统，可实现度量尺度、无漂移且全局一致的同步定位与地图构建。通过利用 UWB 辅助初始化、紧密耦合的捆绑调整以及位姿图优化，该系统在处理跟踪失败和消除长期漂移方面表现出卓越的精度与鲁棒性，且无需依赖回环检测。

ABSTRACT

In this work, we propose a simultaneous localization and mapping (SLAM) system using a monocular camera and Ultra-wideband (UWB) sensors. Our system, referred to as VRSLAM, is a multi-stage framework that leverages the strengths and compensates for the weaknesses of each sensor. Firstly, we introduce a UWB-aided 7 degree-of-freedom (scale factor, 3D position, and 3D orientation) global alignment module to initialize the visual odometry (VO) system in the world frame defined by the UWB anchors. This module loosely fuses up-to-scale VO and ranging data using either a quadratically constrained quadratic programming (QCQP) or nonlinear least squares (NLS) algorithm based on whether a good initial guess is available. Secondly, we provide an accompanied theoretical analysis that includes the derivation and interpretation of the Fisher Information Matrix (FIM) and its determinant. Thirdly, we present UWBaided bundle adjustment (UBA) and UWB-aided pose graph optimization (UPGO) modules to improve short-term odometry accuracy, reduce long-term drift as well as correct any alignment and scale errors. Extensive simulations and experiments show that our solution outperforms UWB/camera-only and previous approaches, can quickly recover from tracking failure without relying on visual relocalization, and can effortlessly obtain a global map even if there are no loop closures.

研究动机与目标

• 解决在室内及 GPS 信号缺失环境中实现高精度、无漂移且全局一致定位的挑战。
• 通过集成 UWB 测距数据，克服单目视觉里程计的尺度模糊性和漂移问题。
• 开发一种鲁棒系统，可在不依赖视觉重定位或回环检测的情况下恢复视觉跟踪失败。
• 即使在无回环检测的情况下，也能实现全局地图一致性与多时段地图融合。
• 基于费舍尔信息矩阵（FIM）分析与克拉美罗下界（CRLB）推导，为全局对齐问题提供理论基础。

提出的方法

• 提出一种基于 UWB 的 7-DoF 全局对齐模块，采用二次约束二次规划（QCQP）或非线性最小二乘法（NLS），在 UWB 定义的世界坐标系中初始化视觉里程计。
• 基于费舍尔信息矩阵（FIM）及其行列式，构建理论框架，分析全局仿射变换（GAT）问题的克拉美罗下界（CRLB）。
• 应用 UWB 辅助捆绑调整（UBA）与 UWB 辅助位姿图优化（UPGO），紧密融合视觉与测距测量，减少漂移并校正尺度与对齐误差。
• 采用多阶段框架：(1) 通过 UWB 与 VO 进行松耦合初始化，(2) 紧密耦合的视觉-测距里程计，(3) 基于 UWB 的重定位以实现故障恢复。
• 通过旋转矩阵参数化与单位向量分解，推导 FIM 的解析梯度，实现精确的不确定性量化。
• 使用包含不同数量 UWB 信标的真实数据集与公开数据集，对系统进行合成仿真与真实世界实验验证。

实验结果

研究问题

• RQ1 如何有效融合 UWB 测距数据与单目视觉里程计，以实现度量尺度、无漂移且全局一致的 SLAM？
• RQ2 在视觉-测距 SLAM 中，全局仿射变换（GAT）问题的理论性能极限（CRLB）是什么？如何利用其评估系统不确定性？
• RQ3 与独立系统相比，视觉与 UWB 测量的紧密耦合是否能更有效地减少长期漂移并校正尺度与对齐误差？
• RQ4 在不依赖视觉重定位或回环检测的情况下，系统在多大程度上可从视觉跟踪失败中恢复？
• RQ5 视 Line-of-Sight（LoS）中 UWB 信标数量（¯N）如何影响系统的长期漂移与精度？

主要发现

• VR-SLAM 在定位精度与漂移抑制方面显著优于仅使用 UWB 或仅使用相机的 SLAM 系统。
• 当存在两个或以上 UWB 信标处于视距（¯N = 2 或 3）时，系统在整个任务过程中保持低平移漂移，展现出优异的长期稳定性。
• 在仅有一个 UWB 信标（¯N = 1）的情况下，系统仍能减少漂移，但需依赖视觉回环检测才能显著校正误差，凸显信标数量的重要性。
• 系统成功实现无视觉重定位的跟踪失败恢复，得益于 UWB 辅助重定位，可在世界坐标系中实现快速重初始化。
• 即使无回环检测，通过 UWB 基础的初始化与优化，系统仍能实现多时段地图融合，确保全局一致性。
• 理论 FIM 与 CRLB 分析揭示了奇异配置，并量化了尺度、位置与姿态的不确定性，为系统鲁棒性与设计约束提供了深入洞察。