Structure-Invariant Range-Visual-Inertial Odometry
作者: Ivan Alberico, Jeff Delaune, Giovanni Cioffi, Davide Scaramuzza
分类: cs.RO, cs.CV
发布日期: 2024-09-06
备注: IEEE/RSJ International Conference on Intelligent Robots (IROS), 2024
💡 一句话要点
针对火星直升机任务，提出一种结构不变的激光-视觉-惯性里程计
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 视觉惯性里程计 激光雷达 火星探测 状态估计 尺度漂移
📋 核心要点
- 现有视觉惯性里程计在地形复杂、缺乏视觉激励的环境下，容易出现尺度漂移，无法满足火星直升机任务的需求。
- 论文提出了一种融合激光雷达、视觉和惯性信息的里程计系统，通过激光雷达提供稳定的尺度信息，从而克服尺度漂移问题。
- 在火星地形模拟环境中进行大量实验，结果表明该方法能够准确估计地形相对速度，满足任务要求，并优于现有方法。
📝 摘要（中文）
本研究针对火星科学直升机（MSH）任务，该任务旨在火星上部署下一代无人直升机，目标着陆点位于地形高度不规则的区域，如水手号峡谷，其海拔变化高达8000米。与之前的火星2020任务不同，后者依赖于假设地形平坦的状态估计系统，MSH由于着陆点复杂的地形需要一种新的方法。本工作提出了一种新型的激光-视觉-惯性里程计系统，专门为MSH任务的独特挑战而设计。我们的系统通过融合一致的激光雷达信息与视觉和惯性测量，扩展了最先进的xVIO框架，防止了在缺乏视觉-惯性激励（单目相机和恒速下降）情况下的尺度漂移，并实现了在任何地形结构上的着陆，而无需任何平面地形假设。通过在基于图像的模拟中使用在火星轨道上收集的实际地形结构和纹理进行广泛的测试，我们证明了我们的激光-VIO方法估计的地形相对速度满足严格的任务要求，并且优于现有方法。
🔬 方法详解
问题定义：论文旨在解决在复杂地形和缺乏视觉激励的场景下，传统视觉惯性里程计（VIO）的尺度漂移问题。尤其是在火星直升机任务中，着陆点地形崎岖，且直升机在下降过程中可能处于恒速状态，导致VIO系统无法准确估计尺度，进而影响着陆精度。现有方法通常假设地形平坦，或者依赖于丰富的视觉特征，这在火星环境下并不适用。
核心思路：论文的核心思路是融合激光雷达（Range）信息，利用激光雷达直接测量距离的特性，为VIO系统提供稳定的尺度信息。通过将激光雷达数据与视觉和惯性测量数据进行融合，可以有效地抑制尺度漂移，提高里程计的精度和鲁棒性。这种方法无需假设地形平坦，适用于各种复杂地形。
技术框架：该系统扩展了现有的xVIO框架，整体架构包含以下几个主要模块：1. 预处理模块：对激光雷达、视觉和惯性测量数据进行预处理，包括去噪、校正等。2. 特征提取模块：从视觉图像中提取特征点，并与激光雷达点云进行关联。3. 状态估计模块：利用扩展卡尔曼滤波（EKF）或非线性优化方法，融合激光雷达、视觉和惯性测量数据，估计直升机的位姿和速度。4. 地图构建模块：可选模块，用于构建环境地图，辅助状态估计。
关键创新：该论文最重要的技术创新点在于将激光雷达信息与视觉惯性里程计进行紧耦合，从而有效地解决了尺度漂移问题。与传统的松耦合方法相比，紧耦合方法能够更充分地利用激光雷达数据，提高状态估计的精度和鲁棒性。此外，该方法无需假设地形平坦，适用于各种复杂地形，具有更广泛的适用性。
关键设计：论文的关键设计包括：1. 激光雷达与视觉特征的关联方法：如何将激光雷达点云与视觉特征点进行有效关联，是提高融合效果的关键。2. 状态估计器的设计：选择合适的滤波器（如EKF）或优化方法，并设计合适的状态向量和测量模型，以实现高精度的状态估计。3. 鲁棒性处理：针对激光雷达和视觉数据的噪声和异常值，设计鲁棒的估计方法，提高系统的抗干扰能力。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法在火星地形模拟环境中能够准确估计地形相对速度，满足严格的任务要求。与现有方法相比，该方法能够有效地抑制尺度漂移，提高里程计的精度和鲁棒性。具体性能数据未知，但论文强调该方法优于现有方法，并满足火星任务的严格要求。
🎯 应用场景
该研究成果可应用于火星探测任务，特别是火星直升机等需要在复杂地形环境下自主导航的机器人。此外，该方法还可应用于其他需要在恶劣环境下进行自主导航的场景，如矿山勘探、灾后救援等。该研究的实际价值在于提高了机器人在复杂环境下的自主导航能力，为未来的机器人应用提供了新的技术方案。
📄 摘要（原文）
The Mars Science Helicopter (MSH) mission aims to deploy the next generation of unmanned helicopters on Mars, targeting landing sites in highly irregular terrain such as Valles Marineris, the largest canyons in the Solar system with elevation variances of up to 8000 meters. Unlike its predecessor, the Mars 2020 mission, which relied on a state estimation system assuming planar terrain, MSH requires a novel approach due to the complex topography of the landing site. This work introduces a novel range-visual-inertial odometry system tailored for the unique challenges of the MSH mission. Our system extends the state-of-the-art xVIO framework by fusing consistent range information with visual and inertial measurements, preventing metric scale drift in the absence of visual-inertial excitation (mono camera and constant velocity descent), and enabling landing on any terrain structure, without requiring any planar terrain assumption. Through extensive testing in image-based simulations using actual terrain structure and textures collected in Mars orbit, we demonstrate that our range-VIO approach estimates terrain-relative velocity meeting the stringent mission requirements, and outperforming existing methods.