Selective Kalman Filter: When and How to Fuse Multi-Sensor Information to Overcome Degeneracy in SLAM

要約

SLAM システムの研究トレンドは現在、困難で退化した環境に対処するためのマルチセンサー フュージョンに重点を置いています。
ただし、既存のマルチセンサー融合 SLAM 方式のほとんどは、主にさまざまなセンサーからのすべてのデータを使用しており、これをオールイン方式と呼んでいます。
この方法は、さまざまなセンサーの利点を統合する一方で、センサーの弱点も持ち込んでおり、堅牢性と精度が低下し、高い計算要求が発生します。
これに対処するために、複数のセンサーからの情報を慎重に選択して融合するための新しい融合アプローチである選択的カルマン フィルターを提案します (この論文では例として LiDAR と視覚観測を使用します)。
データをいつ融合するかを決定するために、LiDAR SLAM に縮退検出を実装し、LiDAR SLAM が縮退を示した場合にのみ視覚的な測定を組み込みます。
縮退検出に関しては、LiDAR SLAM の縮退を判定し、特定の縮退方向を特定するための、エレガントかつ簡単なアプローチを提案します。
この方法では、回転拘束と並進拘束の間の結合関係が十分に考慮されます。
データを融合する方法に関しては、特定の変性状態を更新するためにのみ視覚的測定を使用します。
その結果、私たちが提案する方法は、視覚データの処理量が減り、リアルタイム性能が大幅に向上し、視覚測定による誤差が少なくなるため、オールイン方法が改善されます。
実験では、縮退の問題に対処する際の縮退の検出と融合のための私たちの方法が、他の最先端の方法と比較してより高い精度と堅牢性を示し、オールイン方法と比較して強化されたリアルタイムパフォーマンスを提供することを示しています。
コードは公開されています。

要約(オリジナル)

Research trends in SLAM systems are now focusing more on multi-sensor fusion to handle challenging and degenerative environments. However, most existing multi-sensor fusion SLAM methods mainly use all of the data from a range of sensors, a strategy we refer to as the all-in method. This method, while merging the benefits of different sensors, also brings in their weaknesses, lowering the robustness and accuracy and leading to high computational demands. To address this, we propose a new fusion approach — Selective Kalman Filter — to carefully choose and fuse information from multiple sensors (using LiDAR and visual observations as examples in this paper). For deciding when to fuse data, we implement degeneracy detection in LiDAR SLAM, incorporating visual measurements only when LiDAR SLAM exhibits degeneracy. Regarding degeneracy detection, we propose an elegant yet straightforward approach to determine the degeneracy of LiDAR SLAM and to identify the specific degenerative direction. This method fully considers the coupled relationship between rotational and translational constraints. In terms of how to fuse data, we use visual measurements only to update the specific degenerative states. As a result, our proposed method improves upon the all-in method by greatly enhancing real-time performance due to less processing visual data, and it introduces fewer errors from visual measurements. Experiments demonstrate that our method for degeneracy detection and fusion, in addressing degeneracy issues, exhibits higher precision and robustness compared to other state-of-the-art methods, and offers enhanced real-time performance relative to the all-in method. The code is openly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google