ステレオ視覚慣性自己位置推定のためのシーン適応型ライン認識型視覚測定条件付け
Scene-Adaptive Line-Aware Visual Measurement Conditioning for Stereo Visual–Inertial Odometry
本研究では、GNSSが利用できない、または構造が複雑な環境で動作する移動ロボットの正確なステレオ視覚・慣性測定を実現するため、シーン適応型ライン認識型視覚測定条件付け手法を提案する。この手法は、2D画像線分を軽量な構造的先行情報として利用し、信頼性の高い点測定に正規化方向条件付けを適用することで、既存の点・線VIO手法が抱えていた推定器状態や測定モデルの変更といった課題を回避する。提案手法はS-MSCKFパイプラインに実装され、EuRoC MAVシーケンスでは絶対軌跡誤差(ATE)RMSEを約13%削減し、機械室シーケンスでは3-27%削減した。実ロボット測定シーケンスでは、平面位置誤差が8.72mから7.31mに、ヨー誤差が8.02°から6.76°に減少した。フロントエンドの平均処理時間は33.34msであり、30Hzのステレオ入力フレーム周期に近い。この結果は、ライン認識型フロントエンド条件付けが、評価されたバックエンドインターフェースを変更することなく、構造化ステレオ視覚・慣性センシングにおける視覚測定の品質を向上させる可能性を示唆している。
- GNSS非可用・複雑構造環境向けに、2D画像線分を軽量な構造的先行情報として使うシーン適応型ライン認識型視覚測定条件付け手法を提案し、既存の点・線VIOのような推定器状態や測定モデルの変更を不要にした。
- S-MSCKFパイプラインに実装し、EuRoC MAVシーケンスで絶対軌跡誤差(ATE)RMSEを約13%、機械室シーケンスで3〜27%削減した。
- 実ロボット測定シーケンスで平面位置誤差が8.72mから7.31m、ヨー誤差が8.02°から6.76°へ減少した。
- フロントエンドの平均処理時間は33.34msで、30Hzのステレオ入力フレーム周期に近い。
GNSS非可用・複雑構造環境での移動ロボット自己位置推定精度を、既存バックエンドを変えずにフロントエンドの条件付けだけで改善する研究。ATE RMSEを13%(EuRoC MAV)、機械室シーケンスで3-27%削減し、実機で平面誤差8.72m→7.31m、ヨー誤差8.02°→6.76°へ低減、処理時間33.34msは30Hzステレオ周期にほぼ整合する点が実用性の観点で注目される。ただし現段階では学術研究段階の成果であり、特定企業・製品・調達・規制に関わる投資判断材料は含まれないため、産業化の進展を継続監視する位置づけと見る。