LONER: LiDAR Only Neural Representations for Real-Time SLAM

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

授權條款

開放取用
論文: CC BY 4.0

以下內容皆依據論文全文，依其 CC BY 4.0 授權條款使用；圖表已標示作者。

一句話摘要

只用 LiDAR、以神經隱式地圖進行的即時 SLAM：ICP 追蹤、在關鍵影格上聯合最佳化姿態與地圖，並以基於 JS 散度的動態邊界損失，讓線上學習更快、更銳利。

為何重要

它只靠 LiDAR 就能即時同時估計感測器軌跡與稠密地圖，而地圖可以離線渲染成新視角的深度影像或網格。論文將動態邊界損失與深度監督神經隱式框架中使用的其他損失進行比較，發現它收斂更快、幾何重建更準確。

問題

神經隱式地圖提供連續的場景模型，可在任何位置查詢佔據情形，但現有的 LiDAR 隱式建圖方法不是需要真值姿態，就是執行速度慢於即時，而即時的神經 SLAM 系統使用 RGB 或 RGB-D 攝影機，且主要在室內運作。線上訓練期間，地圖的不同區域被學習到不同的程度，因此像 LOS 損失那樣對所有射線使用單一邊界，會讓網路遺忘已學到的幾何，且收斂緩慢。

提出的方法

LONER 執行平行的追蹤與建圖執行緒：追蹤將掃描降頻到 5 Hz，並以點對平面 ICP 估計里程計，不使用 IMU；建圖每 3 s 加入一個關鍵影格，並聯合最佳化一個帶有階層式特徵網格的 MLP，以及 8 個關鍵影格（目前的一個加上隨機挑選的過去關鍵影格）的姿態。損失結合了 Jensen-Shannon 動態邊界損失（在地圖學得差的地方給每條射線較大的邊界，在學得好的地方給較小的邊界）、一個降低權重的深度損失，以及一個依 LiDAR 回波中的破洞找出的天空損失。

關鍵見解

依目標與預測的射線終止分布之間的 JS 散度設定每條射線的邊界，讓新區域能快速學習，同時讓已學到的幾何維持銳利。
在訓練時間有限時，只用深度損失會得到模糊的幾何，但它有助於填補破洞，因此以很小的權重（λ₁ = 5 × 10⁻⁶）保留。
以 ICP 而非逆向 NeRF（inverse-NeRF）進行追蹤，可為建圖省下 GPU 時間，讓系統維持即時；建圖步驟接著會細化 ICP 姿態。
天空射線不需攝影機即可找出：它們來自 LiDAR 深度影像中指向地平線以上的破洞，前提是假設感測器在初始化時大致水平。
為最佳化視窗隨機挑選過去的關鍵影格，通常比只用最近的關鍵影格，或一半最近、一半隨機的混合方式效果更好。

主要結果

軌跡 RMS 絕對姿態誤差（m），LONER 對 LeGO-LOAM：MCR 0.029 對 0.052、Canteen 0.064 對 0.129、Garden 0.056 對 0.161、Quad 0.130 對 0.126。
以較多樣本與迭代的離線設定執行的 NICE-SLAM，只成功追蹤較小的 MCR 序列（0.248 m），在 Canteen 與 Garden 上失敗。
室內 MCR 序列上的地圖品質，LONER 對 SHINE Mapping（使用真值姿態）：準確度 0.186 對 0.164 m、完整度 0.069 對 0.075 m、精確率 0.473 對 0.624、召回率 0.932 對 0.757；在 Quad 上，準確度 0.380 對 0.301 m、完整度 0.373 對 0.148 m、精確率 0.327 對 0.453、召回率 0.809 對 0.717。
在 AMD Ryzen 5950X CPU 與 NVIDIA A6000 GPU 上的執行時間：每個追蹤步驟 14 ms；每個關鍵影格 50 次建圖迭代耗時 2.79 s（每次約 56 ms，約 18 Hz），在 3 s 的關鍵影格間隔之內。
損失消融實驗（表 V），Quad 序列：完整系統的 L1 深度為 0.880、姿態誤差 0.130 m；只用深度損失為 2.265 與 0.779，深度損失加固定衰減 LOS 損失為 1.747 與 0.570，不含深度損失的動態邊界 LOS 為 2.262 與 0.154。
以單一 CARLA 模擬器掃描訓練時，JS 損失比採用慢速、中速與快速邊界衰減的 LOS 損失，以及只用深度損失，更快達到較低的深度誤差。

限制

未處理動態物體；測試序列經過挑選，只含少量動態物體，作者表示高度動態的環境還需要更多研究。
未使用慣性資料；作者指出，在快速旋轉以及 LiDAR 資訊量較少的特徵稀疏場景中，慣性資料可能有助於追蹤。
城市尺度的運作可能需要其他輸入特徵嵌入與射線挑選的啟發式方法（作者指出）。
地圖只有幾何資訊；在不犧牲即時效能的前提下加入 RGB 是未來工作（作者指出）。
在室外 Quad 序列上，SHINE Mapping（使用真值姿態）產生的幾何更完整，捕捉到 LONER 遺漏的柱子，而 LeGO-LOAM 的軌跡誤差也略低。

對領域的影響

榮獲 RA-L 2024 最佳論文獎，被引用 56 次。作者在專案頁面上公開完整的評估資料，該頁面也連結了程式碼儲存庫。

摘要

本文提出 LONER，這是第一個使用神經隱式場景表示的即時 LiDAR SLAM 演算法。現有針對 LiDAR 的隱式建圖方法在大規模重建上展現了可期的成果，但不是需要真值姿態，就是執行速度慢於即時。相較之下，LONER 使用 LiDAR 資料訓練一個 MLP 來即時估計稠密地圖，同時估計感測器的軌跡。為了達到即時效能，本文提出一種新穎的資訊理論損失函數，它考量到在整個線上訓練過程中，地圖的不同區域可能被學習到不同的程度。所提出的方法在兩個開源資料集上進行了定性與定量評估。評估顯示，與深度監督神經隱式框架中使用的其他損失函數相比，所提出的損失函數收斂更快，並能帶來更準確的幾何重建。最後，本文顯示 LONER 估計軌跡的表現可與最先進的 LiDAR SLAM 方法匹敵，同時產生的稠密地圖也可與使用真值姿態的既有即時隱式建圖方法匹敵。

連結

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
程式碼: https://github.com/umautobots/LONER
專案頁面: https://umautobots.github.io/loner