Open Source Robotics

高品質なオープンソースロボティクスプロジェクト、ツール、ソフトウェアの厳選コレクション。

LONER: LiDAR Only Neural Representations for Real-Time SLAM

著者: Seth Isaacson, Pou-Chun Kung, Mani Ramanagopal, Ram Vasudevan, Katherine A. Skinner · RA-L 2023

ライセンス

  • オープンアクセス
  • 論文: CC BY 4.0

以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。

要約

ニューラル暗黙的地図による LiDAR のみのリアルタイム SLAM。ICP による追跡、キーフレーム上での姿勢と地図の同時最適化、JS ダイバージェンスに基づく動的マージン損失により、オンライン学習を高速かつ鮮明にする。

重要な理由

LiDAR だけからセンサの軌道と高密度地図をリアルタイムで同時に推定し、地図はオフラインで新しい視点からの深度画像やメッシュとしてレンダリングできる。論文は動的マージン損失を深度教師ありのニューラル暗黙的フレームワークで用いられる他の損失と比較し、より速く収束し、形状をより正確に再構成することを確認している。

課題

ニューラル暗黙的地図は、任意の位置で占有を問い合わせられる連続的なシーンモデルを与えるが、既存の LiDAR の暗黙的マッピング手法は真値の姿勢を必要とするか、リアルタイムより遅く動作する。リアルタイムのニューラル SLAM システムは RGB または RGB-D カメラを用い、主に屋内で動作する。オンライン学習中は地図の領域ごとに学習の進み具合が異なるため、LOS 損失のようにすべてのレイに単一のマージンを用いると、ネットワークは学習済みの形状を忘れ、収束も遅くなる。

提案手法

LONER は追跡とマッピングのスレッドを並列に実行する。追跡ではスキャンを 5 Hz に間引き、IMU を使わずに点対平面 ICP でオドメトリを推定する。マッピングでは 3 s ごとにキーフレームを追加し、階層的な特徴グリッドをもつ MLP と、8 つのキーフレーム（現在のものとランダムに選んだ過去のもの）の姿勢を同時に最適化する。損失は、地図の学習が不十分な所では各レイのマージンを大きく、十分な所では小さくする Jensen-Shannon 動的マージン損失に、重みを下げた深度損失と、LiDAR の反射の穴から求めた空の損失を組み合わせたものである。

主な知見

  • 目標と予測のレイ終端分布の間の JS ダイバージェンスから各レイのマージンを設定することで、新しい領域を素早く学習しつつ、既に学習した形状を鮮明に保てる。
  • 学習時間が限られる場合、深度損失だけでは形状がぼやけるが、穴埋めには役立つため、小さな重み（λ₁ = 5 × 10⁻⁶）で残している。
  • 追跡に逆 NeRF（inverse-NeRF）ではなく ICP を用いることで、マッピングのための GPU 時間を節約し、システムをリアルタイムに保つ。その後マッピングのステップで ICP の姿勢を精緻化する。
  • 空のレイはカメラなしで見つけられる。初期化時にセンサがほぼ水平であると仮定し、LiDAR の深度画像中で水平線より上を向いた穴から求める。
  • 最適化ウィンドウに過去のキーフレームをランダムに選ぶほうが、最近のキーフレームだけを使う場合や、半分を最近、半分をランダムにする場合よりも、概して良好だった。

主な結果

  • 軌道の RMS 絶対姿勢誤差（m）、LONER 対 LeGO-LOAM：MCR 0.029 対 0.052、Canteen 0.064 対 0.129、Garden 0.056 対 0.161、Quad 0.130 対 0.126。
  • サンプル数と反復回数を増やしたオフライン構成で実行した NICE-SLAM は、小さな MCR シーケンス（0.248 m）しか追跡できず、Canteen と Garden では失敗した。
  • 屋内の MCR シーケンスでの地図品質、LONER 対 SHINE Mapping（真値の姿勢を使用）：精度（accuracy）0.186 対 0.164 m、完全性（completion）0.069 対 0.075 m、適合率（precision）0.473 対 0.624、再現率（recall）0.932 対 0.757。Quad では精度 0.380 対 0.301 m、完全性 0.373 対 0.148 m、適合率 0.327 対 0.453、再現率 0.809 対 0.717。
  • AMD Ryzen 5950X CPU と NVIDIA A6000 GPU での実行時間：追跡ステップあたり 14 ms。キーフレームあたり 50 回のマッピング反復に 2.79 s（1 回約 56 ms、約 18 Hz）かかり、3 s のキーフレーム間隔に収まる。
  • 損失のアブレーション（表 V）、Quad シーケンス：完全なシステムは L1 深度 0.880、姿勢誤差 0.130 m。深度損失のみでは 2.265 と 0.779、深度損失と固定減衰の LOS 損失では 1.747 と 0.570、深度損失なしの動的マージン LOS では 2.262 と 0.154。
  • CARLA シミュレータの単一スキャンで学習させると、JS 損失は、マージンの減衰が遅い・中程度・速い LOS 損失や深度損失のみの場合よりも速く低い深度誤差に達した。

制限事項

  • 動的な物体は扱われない。テストシーケンスは動的な物体が少ないものが選ばれており、著者らは動きの激しい環境にはさらなる研究が必要だとしている。
  • 慣性データは使われていない。著者らは、急速な回転時や、LiDAR から得られる情報が少ない特徴の乏しいシーンでは、慣性データが追跡に役立ちうると指摘している。
  • 都市規模での運用には、別の入力特徴埋め込みやレイ選択のヒューリスティクスが必要になる可能性がある（著者らによる）。
  • 地図は形状のみである。リアルタイム性能を損なわずに RGB を加えることは今後の課題である（著者らによる）。
  • 屋外の Quad シーケンスでは、SHINE Mapping（真値の姿勢を使用）のほうが完全な形状を生成し、LONER が取りこぼした柱を捉えた。また LeGO-LOAM の軌道誤差はわずかに低かった。

分野への影響

RA-L 2024 Best Paper Award を受賞し、被引用数は 56 である。著者らはプロジェクトページで評価データ一式を公開しており、そのページからコードリポジトリにもリンクされている。

概要

本論文では、ニューラル暗黙的シーン表現を用いた初のリアルタイム LiDAR SLAM アルゴリズムである LONER を提案する。LiDAR 向けの既存の暗黙的マッピング手法は大規模な再構成で有望な結果を示しているが、真値の姿勢を必要とするか、リアルタイムより遅く動作する。これに対し LONER は、LiDAR データを用いて MLP を学習させて高密度地図をリアルタイムで推定し、同時にセンサの軌道を推定する。リアルタイム性能を達成するため、本論文では、オンライン学習の過程を通じて地図の領域ごとに学習の進み具合が異なりうることを考慮した、新しい情報理論的損失関数を提案する。提案手法は 2 つのオープンソースデータセットで定性的・定量的に評価される。この評価から、提案する損失関数は、深度教師ありのニューラル暗黙的フレームワークで用いられる他の損失関数よりも速く収束し、より正確な形状の再構成につながることがわかる。最後に、LONER が最先端の LiDAR SLAM 手法に匹敵する軌道推定を行い、同時に真値の姿勢を用いる既存のリアルタイム暗黙的マッピング手法に匹敵する高密度地図を生成することを示す。

リンク

  • arXiv 2309.04937: https://arxiv.org/abs/2309.04937
  • DOI 10.1109/LRA.2023.3324521: https://doi.org/10.1109/LRA.2023.3324521
  • PDF: https://arxiv.org/pdf/2309.04937v1
  • コード: https://github.com/umautobots/LONER
  • プロジェクトページ: https://umautobots.github.io/loner

このウェブサイトにはJavaScriptが必要です。オープンソースロボティクスプロジェクトを閲覧するにはJavaScriptを有効にしてください。