RMSC-VIO：ノースウェスタン工科大学無人システム技術研究所のZhang Tong教授が執筆した論文 "Robust Multi-Stereoscopic Visual-Inertial Odometry for Local Visually Challenging Scenarios "が、IEEE Robotics and Automation Letters (RA-L)にアクセプトされた。
T.Zhang, J. Xu, H. Shen, R. Yang and T. Yang, "RMSC-VIO：RMSC-VIO: Robust Multi-Stereoscopic Visual-Inertial Odometry for Local Visually Challenging Scenarios," in IEEE Robotics and Automation Letters, vol. 9, no.5, pp. 4130-4137, May 2024, doi: 10.1109/LRA.2024.3377008.
はじめに
ロボットが自律性を実現するためには、正確な自己位置推定が基本である。いくつかの視覚慣性オドメトリ（VIO）アルゴリズムは、すでに公開されているデータセットで高精度で安定した状態推定を達成していますが、単眼カメラやステレオカメラに依存しているため、視覚的に厳しい環境ではその能力に限界があります。一方、追加のセンサーを導入したり、マルチカメラのVIOアルゴリズムを使用したりすると、計算需要が大幅に増加します。
研究概要
1. 複数のステレオカメラを統合することができ、視覚的に困難なシナリオにおいて優れたロバスト性を示すマルチ立体VIOシステムを提案する。
2. 視覚的特徴の状態情報を反復的に更新し、高品質な画像特徴点をフィルタリングし、マルチカメラシステムの計算負荷を軽減する適応的特徴選択法を提案する。
3. 適応型密結合最適化法を提案し、異なる画像特徴点の品質に基づいて最適化の重みを割り当てることで、システムの測位精度を効果的に向上させる。
4. 本手法のロバスト性と有効性を検証するため、様々な困難なシナリオにおいて包括的かつ広範な実験評価が実施された。これらの実験に使用されたデータセットは、今後の研究開発のために張教授のチームによって公開されています。
システム紹介
図1：RMSC-VIOシステムフレームワークのフローチャート
フロントエンド機能処理
マルチステレオVIOシステムでは、各ステレオカメラの画像から特徴点を抽出・照合し、ロボットの異なる方向の環境情報を取得する。
初期設定
本研究では、マルチビュー・キーフレーム（MKF）の概念を導入し、適応的特徴選択法（AFS）を提案する：
1) 前のフレーム間の視差の計算と特徴点追跡の品質に基づいて、マルチビューのキーフレームを選択する。
2) 特定の方向の視覚情報が利用できない場合、AFSはアクセス可能な代替特徴点セットを選択し、マルチビューキーフレームのポーズを初期化する。逆に、全ての視覚情報にアクセス可能なシナリオでは、AFSは戦略的に高品質な特徴点セットを選択し、後続の最適化処理を行う。アルゴリズム1は、提案するAFSアルゴリズムの擬似コードを提供する。
3) 複数カメラの校正を簡略化するため、マルチカメラシステム用のオンライン外部校正法を採用。
密結合マルチステレオVIO
Sup」セットと呼ばれる全カメラからの最良の特徴点セットは、共同最適化のためにバックエンドに統合されます。このフュージョン手法により、複雑で冗長なVIOフュージョン計算を回避し、複数のVIO結果間の不整合を低減し、同時に異なる角度からの視覚情報を最適化プロセスに統合します。
図2：スライディング・ウィンドウ要因図の構造
マルチステレオビジュアルループクロージャー
ほとんどのシーケンスでドリフトを減らすために、マルチビューのループ閉鎖検出が使用されている。
実験結果
研究チームは3つの屋内と4つの屋外のシナリオからデータを収集した。屋内実験では、NOKOVモーションキャプチャシステムを使用し、ミリメートル以下の精度で真の地面測位を行った。屋外のシーケンスでは、リアルタイム・キネマティック（RTK）技術により、センチメートル・レベルの精度で真の地面測位が行われた。
最先端のアルゴリズム（ORB-SLAM3、VINS-Fusion、MCVIO）との比較分析、アブレーション実験、ドローンによる検証を実施することで、厳しい視覚環境におけるシステムの有効性とロバスト性が検証された。
図3：実験に使用したクワッドコプターUAV
1. 定性分析では、本研究で提案したRMSC-VIOアルゴリズムは、すべてのデータセットで優れた軌跡性能を示した。
図4：VINS-Fusion、MCVIO、RMSC-VIOの推定軌跡と真の位置を比較した4つのデータセットシーケンスの上面図。黒丸は各軌跡の始点を示す。
2. 定量分析では、VINS-Fusionと比較して、絶対軌跡誤差（ATE）で測定される二乗平均平方根誤差（RMSE）が60％から80％減少した。さらに、RMSC-VIO法はMCVIOよりも効果的で、ATE RMSEを60%から90%減少させた。
表1：真の地上位置データからの各アルゴリズムの絶対軌道誤差（ATE）
3. AFS法の有効性を、計算コストとVIOプロセス全体の位置決め精度への影響を比較することで評価した。その結果、AFS法は比較的低い計算負荷で高品質の位置決め精度を達成することが実証された。
表2：7つのデータセットにおけるN-AFS（AFSなしのRMSC-VIO）、W-AFS（AFSありのRMSC-VIO）、VINS-Fusionの性能のまとめ
4. 提案アルゴリズムをクアッドコプターに搭載して実飛行実験を行い、局所的な視覚的に困難なシナリオにおける実用性と有効性を実証した。
図5：クアッドコプターに搭載した提案アルゴリズムの実飛行テスト
本研究では、3つの屋内シナリオをNOKOVメトリックモーションキャプチャシステムを用いて撮影した。クアッドコプターUAVの機体に反射マーカーポイントを貼り付け、サブミリメートル精度で真の地上位置データを取得した。
チーム紹介
チャン・トンノースウェスタン工科大学無人システム技術研究所准研究員、ノースウェスタン工科大学インテリジェント無人航空機重点研究室研究員。主な研究テーマは無人システムの自律知覚と協調計画技術。
徐建宇：ノースウェスタン工科大学無人システム技術研究所およびインテリジェント無人機重点研究室修士課程在籍。主な研究テーマは、無人システムの自律測位と視覚SLAM。
シェン・ハオノースウェスタン工科大学無人システム技術研究所およびインテリジェント無人機重点研究室修士課程在籍。研究テーマは無人システムの協調計画技術。
ヤン・タオノースウェスタン・ポリテクニカル大学無人システム技術研究所およびノースウェスタン・ポリテクニカル大学インテリジェント無人航空機重点研究室准教授。主な研究テーマはマルチソースフュージョン知覚とナビゲーション。
ここでごニーズを出ること
-
もっと多い情報に関して、メッセージをしたりしてください。
-
- 確認