An Underwater, Fault-Tolerant, Laser-Aided Robotic Multi-Modal Dense SLAM System for Continuous Underwater In-Situ Observation

要約

既存の水中スラムシステムは、テクスチャスパーであり、幾何学的に劣化した水中環境で効果的に作業することが困難であり、断続的な追跡とまばらなマッピングをもたらします。
したがって、3つの重要なイノベーションを通じて、多様な複雑な水中シナリオで連続的に耐性のない密集したスラムを実現できる新しいレーザー支援マルチセンサー融合システムであるWater-Dslamを提示します。
高精度3D認識。
第二に、次の断層耐性トリプルサブシステムアーキテクチャを提案します：1）DP-INS（DVLおよび圧力慣性ナビゲーションシステム）：慣性測定ユニット、ドップラー速度ログ、圧力センサーベースのエラーステートカルマンフィルター（ESKF）を融合
（IESKF）UBSLとDP-Insの間の緊密な結合がUBSLの変性問題を緩和する3）水ステレオ：正確な初期化と追跡のためのDP-Insとステレオカメラの融合。
第三に、異種センサーデータを動的に融合するマルチモーダルファクターグラフバックエンドを導入します。
提案されているマルチセンサーファクターグラフメンテナンス戦略は、非同期センサーの頻度と部分的なデータ損失によって引き起こされる問題に効率的に対処します。
実験結果は、水湿性が優れた堅牢性を達成することを示しています（部分センサードロップアウト中に0.039 mの軌道RMSEおよび100 \％連続性比）および密なマッピング（既存の方法よりも約10倍の密度のある750 m^3水量で6922.4ポイント/m^3）。
当社のプロジェクトは、https：//water-scanner.github.io/で入手できます。

要約(オリジナル)

Existing underwater SLAM systems are difficult to work effectively in texture-sparse and geometrically degraded underwater environments, resulting in intermittent tracking and sparse mapping. Therefore, we present Water-DSLAM, a novel laser-aided multi-sensor fusion system that can achieve uninterrupted, fault-tolerant dense SLAM capable of continuous in-situ observation in diverse complex underwater scenarios through three key innovations: Firstly, we develop Water-Scanner, a multi-sensor fusion robotic platform featuring a self-designed Underwater Binocular Structured Light (UBSL) module that enables high-precision 3D perception. Secondly, we propose a fault-tolerant triple-subsystem architecture combining: 1) DP-INS (DVL- and Pressure-aided Inertial Navigation System): fusing inertial measurement unit, doppler velocity log, and pressure sensor based Error-State Kalman Filter (ESKF) to provide high-frequency absolute odometry 2) Water-UBSL: a novel Iterated ESKF (IESKF)-based tight coupling between UBSL and DP-INS to mitigate UBSL’s degeneration issues 3) Water-Stereo: a fusion of DP-INS and stereo camera for accurate initialization and tracking. Thirdly, we introduce a multi-modal factor graph back-end that dynamically fuses heterogeneous sensor data. The proposed multi-sensor factor graph maintenance strategy efficiently addresses issues caused by asynchronous sensor frequencies and partial data loss. Experimental results demonstrate Water-DSLAM achieves superior robustness (0.039 m trajectory RMSE and 100\% continuity ratio during partial sensor dropout) and dense mapping (6922.4 points/m^3 in 750 m^3 water volume, approximately 10 times denser than existing methods) in various challenging environments, including pools, dark underwater scenes, 16-meter-deep sinkholes, and field rivers. Our project is available at https://water-scanner.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google