点群SLAM (自己位置推定・環境地図生成)

小出健司@AIST

概要

移動ロボットなどの自律システムにとって重要な自己位置推定・環境地図生成 (SLAM) 技術の研究開発を行っており，特に LiDAR やデプスカメラから得られる三次元点群を使ったSLAMを中心とした下記のテーマに取り組んでいます． LiDARやデプスカメラの種類を問わない，汎用的なマッピング技術を実現しています (Velodyne, Ouster, Livox Avia, MID-360, Azure Kinect, etc.)．

大域マッチングコスト最小化による高精度マッピング

GPUを用いた超高速点群マッチング技術を背景に，地図全体で直接点群レジストレーションコストを最小化する高精度マッピング技術を開発しています． 従来技術では困難であった，重なりの小さな点群間への高精度な姿勢拘束を可能とし，超高密度ファクタグラフをリアルタイムで最適化します．

関連論文

Exact Point Cloud Downsampling for Fast and Accurate Global Trajectory Optimization, IROS2023
Globally Consistent 3D LiDAR Mapping with GPU-accelerated GICP Matching Cost Factors, IEEE RA-L, 2021
Voxelized GICP for Fast and Accurate 3D Point Cloud Registration, ICRA2021

Plane-ICP / GICP / VGICP 速度比較
ポーズグラフ vs 大域マッチングコスト最小化
GPUを用いた高速大域地図最適化
Slides @ Robotics Symposia 2022
Slides @ ICRA2021
Slides @ IROS2023
Poster @ IROS2023

センサフュージョンによるロバスト状態推定

点群のみを使った状態推定が困難になるような極度のセンサ動きや点群が縮退する環境へ対処するための，複合センサ制約 (カメラ・IMU・エンコーダ) のウィンドウ最適化による状態推定技術を開発しています． トンネル・廊下などの点群縮退環境や狭い階段環境への応用実績があります．

関連論文

Globally Consistent and Tightly Coupled 3D LiDAR Inertial Mapping, ICRA2022

LiDAR-IMU Fusion
LiDAR-Camera-IMU Fusion
Football SLAM (LiDAR-IMU)
Slides @ ICRA2022

地図生成技術の簡便化

一般に地図生成手法はどれも複雑で，使いこなすには内部動作に関する深い知識が求められます． 地図生成を一般ユーザでも簡易に使えるようにするため，地図生成の失敗箇所を手動で修正できるインタラクティブ地図修正フレームワークや， アルゴリズムの内部知識なしに環境に応じてハイパーパラメータを自動的に調整するブラックボックス最適化手法を開発しています．

関連論文

Interactive 3D Graph SLAM for Map Correction, IEEE RA-L, 2021
Adaptive Hyper-Parameter Tuning for Black-box LiDAR Odometry, IROS2021
Automatic Hyper-Parameter Tuning for Black-box LiDAR Odometry, ICRA2021

Interactive SLAM
Adaptive Hyper-Parameter Tuning
Slides @ IROS2022

ニューラルネットワーク統合

ニューラルネットワークによる特徴量抽出と古典的最適化を組み合わせることで，対処の難しい極限環境での安定した状態推定技術を開発しています． ここでは，RandLA-Netにより抽出された幾何特徴量をもとに Generalized ICP の分散推定と対応付けを改善する手法を提案しています．

関連論文

Generalized LOAM: LiDAR Odometry Estimation with Trainable Local Geometric Features, IEEE RA-L/ICRA2023, 2022

連絡先

小出健司@AIST (k.koide [at] aist.go.jp)