Tartan Series 2021 - Challenges in SLAM - What's ahead (Prof. Sebastian Scherer)

Posted on Edited on In , ,

강의 링크 - https://youtu.be/acYBSrDpEdQ

SLAM이 처음이라면…

  • 선형대수 공부자료 - 링크
  • 확률과 통계 공부자료 - 링크
  • AirLab Summer School - 링크
  • CVPR 2020 SLAM 워크샵 - 링크

 

SLAM에서 자주 쓰는 단어들

terms

  • Pose
    • 위치 (Position) + 방향 (Orientation)
  • Odometry
    • 두 pose간의 상대적 차이
  • Localization
    • 내가 지도 상 어디에 있는지 풀어내는 문제
  • Mapping
    • 지도를 그려내는 문제
  • Drift
    • 연속적으로 위치를 추정할 때 쌓여가는 pose에 대한 오차
  • Loop closure
    • 동일한 장소로 돌아왔을 때 생기는 loop 내부에서 drift를 해소하는 방법

SLAM이란?

  • 기술적 의미: Localization ⇄ Mapping 루프를 통해 위치/맵 추정을 하는 것.
    1. 먼저 나의 위치를 확인 (localization)
    2. 맵을 증축함 (mapping)
    3. 증축된 맵에서 나의 위치를 확인 (localization)
    4. 맵을 증축함 (mapping)
    5. …
  • 일반적으로 보는 의미: 다양한 센서들로 다양한 추정을 함
    • 카메라, 레이더, 라이다, GPS 등과 같이 다양한 센서 값을 어떻게 조합해서 위치/맵 추정을 할 것인가?
    • 움직이는 객체가 있을 경우에는? Semantic 정보도 추출할 수 있는지?
    • 종종 ‘위치 추정’ 기술을 쉽게 부르기 위해서 SLAM이라고 부르기도 함 (사실 알고보면 그냥 odometry나 mapping인 경우도 많음)

SLAM 기술의 발전 방향

  • SLAM 성능
    • Robustness의 발전
      • Visual / geometric degeneration / challenging scenes (e.g. 안개, 비/눈, 화재, 탄광)
    • Efficiency의 발전
      • Lightweight image localization
      • Dense reconstruction
    • Accuracy의 발전
      • High resolution
  • 신기능
    • Collaborative SLAM
      • 여러 대의 agent가 돌아다니면서 각각 맵을 만드는 것.
    • Semantic SLAM
      • SLAM을 하면서 semantic 정보도 동시에 추출하는 것.
    • High resolution map
      • 거대 공간 (i.e. large scale)에서 mm단위의 정확한 맵 생성
    • Unified map representation
      • 카메라로 읽던, 라이다로 읽던, 레이더로 읽던 호환되는 맵

SLAM 방법론 개요

Overview

위 이미지에서 설명된 Visual / LiDAR 외로 GPS, 레이더, sonar 등 다른 방식들도 있음.

LiDAR SLAM

LiDAR SLAM

  • 굉장히 정확한 편
  • 공간의 생김새에 따라 정확도/안정성이 변화함

Visual SLAM

Visual SLAM

  • 저렴한 센서
  • 공간에 존재하는 texture에 따라 정확도/안정성이 변화함
  • 3가지 Visual SLAM 방법론이 존재함
    • Sparse SLAM: Sparse local feature를 (e.g. SIFT, ORB) 기반으로 SLAM 추정
    • Semi-dense SLAM : Sparse와 Dense SLAM의 중간
    • Dense SLAM: 이미지 전체의 정보를 사용해서 SLAM 추정

RGB-D / Visual-Inertial SLAM

RGB-D/Visual-Inertial SLAM

  • 센서 1개만 쓰면 잘 안될때가 많다 (센서들마다 잘 되는곳/안되는 곳이 있다)
    • 여러개의 센서를 써서 잘 안되는 부분을 커버한다.
    • e.g. Visual + IMU 방식은 monocular 방식이 (i.e. 1개 카메라) 풀지 못하는 metric scale 복원 (i.e. 실제 m단위 스케일) 작업이 가능하다.

“Deep” Visual SLAM

Deep Visual SLAM

  • 뉴럴넷을 사용해서 state estimation을 진행
  • 기존의 방식이 가지던 한계점을 뉴럴넷이 극복할 수 있을 것이라는 희망
  • Semantic 정보를 추출해내려는 시도
  • 현재 이러한 방식으로 풀려고 하는 문제들
    • 텍스처가 전혀 없는 곳에서 SLAM을 할 수 있을까?
    • High dynamic range 환경에서 SLAM을 할 수 있을까?
    • 모션 블러가 있는 곳에서 SLAM을 할 수 있을까?
    • 움직이는 객체가 많은 곳에서 SLAM을 할 수 있을까?

Multi-Sensor Fusion

Multi sensor fusion

  • 여러개의 센서를 사용
    • 많은 정보를 얻음
    • 센서들마다 가진 단점을 서로 상쇄

SLAM 성능을 측정하는 방법

데이터셋

Datasets

  • KITTI, EuRoC, TUM 데이터셋은 SLAM 연구자들 사이에서 많이 쓰이는 데이터셋임.
  • 하지만 위 데이터셋은 굉장히 단조로움
    • 환경, 라벨, 모션 패턴이 모두 단조로움.
    • 다양한 데이터가 없기 때문에, 위 데이터셋으로 뉴럴넷을 학습할 경우 특정 컨디션에 오버핏 할 가능성이 높음.
  • 그러니 Tartan Dataset을 써라! (결국 본인 랩실 홍보 ㅋㅋ)
    • Urban, rural, domestic, public, scifi 씬 등 20개 환경 구비
    • RGB, Depth, Segmentation, Flow, Pose 등 데이터 구비
    • Random translation / rotation의 500+ 모션 구비
    • 빡센 환경 구비 (e.g. 연기, 안개, 어두운 밤 + 밝은 불빛, 비, 눈)

측정 metric

  • Absolute Trajectory Error (ATE)와 Relative Pose Error (RPE) 기반으로 성능을 측정하는 경우가 많음.
    • ATE와 RPE는 중간에 끊기는 데이터 (i.e. tracking lost)에 대응하지 못함.
    • Challenging scene에서는 끊기는 경우가 허다함.
  • AirLab에서는 robustness에 대한 새로운 척도를 제안
    • Valid Rate = Length of valid trajectory / Total length
    • Valid = Successfully initialised + not lose tracking
      • ‘Valid’ 척도는 사실 굉장히 주관적임…
    • 더 좋은 metric을 만들려고 연구중이라고 함.
    • 어찌되었건 이 metric으로 봤었을 때, ORB-SLAM은 KITTI 벤치마크 기준 잘된다고 알려져있으나 Tartan Dataset에서는 완전 말아먹는 모습을 보임.
  • TartanAir-V2를 만들고 있다고 함.
    • 더 많은 환경을 만들 예정.
    • IMU, LiDAR, Spherical, Fisheye, Event, Radar 등을 추가할 예정.
    • Dynamic object를 넣을 예정
    • GRound robot motion 패턴도 추가할 예정.

 

TartanVO: Learning-based Visual Odometry

TartanVO
TartanVO

  • TartanAir 처럼 다양한 환경/모션 정보가 있는 데이터셋이 있으니, SLAM 뉴럴넷을 학습해볼 수 있겠다.
    • TartanVO
    • 기존의 Feature detection / matching 단계를 하나의 뉴럴넷으로 대체
    • 기존의 Motion estimation 과정을 deep optical flow + pose 뉴럴넷으로 대체
  • 극심한 모션 블러에도 실패하지 않음 (기존의 SLAM 방식은 tracking lost가 남)

 

Super Odometry: IMU-centric LiDAR-Visual-Inertial Estimator for Challenging Environments

Super Odometry

  • Robustness를 높이는 방법 중 하나는 다양한 종류의 센서를 사용하는 것임.
  • Super Odometry는 IMU를 중심으로 카메라와 라이다 같은 센서들을 퓨전해서 사용함.
    • 왜 IMU 중심으로 사용하는가?
      • 카메라는 texture가 부족할 때 실패함
      • 라이다는 geometry가 부족할 때 실패함
      • 이에 반해 IMU는 전혀 외적 요인을 타지 않음
    • 특정 센서가 실패하는 상황이 올 때, 해당 센서로 부터 오는 정보는 사용하지 않고 잘 작동하고 있는 센서에서만 정보를 받아와서 다양한 상황에서도 안정적으로 위치추정을 할 수 있음.
  • 예시로, 2가지 상황을 보여줌
    • 평평한 벽이 좌우로 나있는 긴 복도에서는 라이다가 실패함. 하지만 카메라 정보로부터 odometry를 계속 받기때문에 잘 됨.
    • 어두운 방에 들어가면 아무것도 보이지 않아 카메라가 실패함. 하지만 라이다 정보를 계속 받아 odometry를 잘 유지함.

 

Visual localization

  • Visual localization = “2D 이미지만 가지고 3D 공간에서 내가 어디있는지 알 수 있을까?”
    • 3D 공간에 대한 2D appearance 정보는 전혀 없고, 3D 포인트 클라우드만 있을 때는 어떻게 할까?
    • 비슷한 공간들에 대한 place recognition은 어떻게 할까?

 

2D-3D Line 매칭 기반 Localization

2D-3D Line Correspondence based localization
Line detector

  • 3D LiDAR map에서 카메라로 어떻게 위치를 찾을 수 있을까?
    • Cross modality!
  • Edge 정보를 이용해서 카메라 이미지 상의 2D line과 포인트 클라우드 지도상의 3D line을 매칭해보자!
    • 이를 위해 새롭게 딥러닝 기반 line detector를 만들었다.
      • 어떠한 카메라에서도 잘 작동한다 (e.g. pinhole, fisheye, spherical cameras)
      • Intrinsic에 대해 전혀 영향을 받지 않는다.
  • 기존의 SLAM/odometry 방식보다 훨씬 적은 drift를 가지면서 할 수 있다
    • (당연할걸수도…? localization은 drift를 가질 수 없음)
  • 이 방식의 단점은, line feature는 실내처럼 사람이 만든 공간에서는 많이 나타나지만 자연공간에서는 많이 나타나지 않다는 점임.
  • 참고논문:
    • Yu 2020 - Line-based 2D-3D registration and camera localization in structured envrionemnts
    • Yu 2020 - Monocular camera localization in prior LiDAR Maps with 2D-3D correspondences
    • Yu 2020 - ULSD: Unified Line Segment Detection across Pinhole, Fisheye, and Spherical Cameras

 

시점변화/조명변화/날씨변화에 강인한 descriptor learning

Cross-domain (Image-to-LiDAR) descriptor learning module

  • 자연공간에서는 어떤 방식으로 매칭을 해야할까?
    • 어떤 방식이 좋은지 모르겠다면… 그 방식을 딥러닝으로 학습하도록 하자.
  • Visual-LiDAR 도메인 사이에서 사용될 수 있는 descriptor를 학습하였다.
    • 전체 네트워크는 matching module과 similarity module로 나눠진다.
  • 참고 논문:
    • Yin 2019 - A multi-domain feature learning method for visual place recognition
    • Yin 2020 - SeqSphereVLAD: Sequence Matching Enhanced Orientation-invariant Place recognition
    • Yin 2021 - FusionVLAD: A Multi-View Deep Fusion Networks for Viewpoint-Free 3D Place recognition
    • Yin 2021 - i3dLoc: Image-to-range Cross-domain Localization Robust t oinconsistent Environmental Conditions

 

Lifelong Graph Learning을 이용한 feature matching / place recognition

lifelong graph learning

  • SLAM에서 loop closure를 할 때 place recognition을 통해서 이전에 와본 장소로 왔다는것을 인식하고, local feature matching을 통해 localization을 한다. 이후 graph optimization을 한다.
  • 이 때 사용되는 local feature extraction과 matching 과정을 lifelong graph learning을 이용해서 개선시킨다.
    • Memory module을 통해 실시간으로 매칭을 개선한다
    • Memory replay를 통해 기억이 사라지는 것 (i.e. catastrophic forgetting)을 방지한다
    • 참고논문: Wang 2021 - Lifelong Graph Learning

 

Large scale sub-millimeter mapping (with lightweight and low-cost weight sensors)

HARD

  • 위 사진들과 같이 고해상도 SLAM이 작동하기 어려운 공간들이 있다.
  • 위와 같은 환경에서 강인하게 SLAM을 작동하기 위해서 2가지 전략을 사용한다.
    1. 최대한 Field of view (i.e. 시야 범위)를 넓힌다
      • 넓은 범위를 봄으로써 특정 공간에서 degenerate case가 나타나도 다른 시야 범위의 공간정보를 이용해서 실패를 방지한다.
    2. 다양한 센서들을 퓨전해서 좋은 sparse model을 얻은 후, dense 모델로 재구성한다.
      • 카메라+라이다+IMU로 sparse reconstruction을 먼저 한다.
      • 이후 stereo depth와 laser range projection을 퓨전해서 dense reconstruction을 수행한다.

 

카메라+라이다+IMU 퓨전

recon
recon

  • 많이 사용되는 COLMAP, OpenMVG와 같은 이미지 기반 reconstruction 기법에서는 제대로 scale을 측정하지 못하는 경우가 많다.
  • 위의 연구는 joint camera-lidar optimisation을 통해 scale 정보까지 확실하게 추정할 수 있다.
  • 참고자료:
    • Zhen 2020 - LiDAR-enhanced Structure-from-Motion
    • Zhen 2019 - A Joint Optimization Approach of LiDAR-Camera Fusion for Accurate Dense 3-D Reconstructions
    • Zhen 2019 - Estimating the localizability in tunnel-like environments using LiDAR and UWB
    • Zhen 2018 - A Unified 3D Mapping Framework Using a 3D or 2D LiDAR
    • Zhen 2017 - Robust localization and localizability estimation with a rotating laser scanner

 

저해상도 이미지 기반 고해상도 dense stereo reconstruction

ORStereo
ORStereo

  • Stereo reconstruction을 잘 하는 방법에는 ‘4K의 고해상도 카메라’ + ‘넓은 baseline’을 가지고 촬영하면 된다.
    • 이렇게 하면 sub-millimeter 정확도까지 얻어낼 수 있다.
  • 기존의 방식으로는 수천만개의 픽셀들에 대해 disparity 계산을 할 수 없다 (딥러닝을 쓰던 안쓰던 RAM을 너무 많이 차지할것이다)
  • 제안하는 연구는, 기존의 4K 이미지를 다운샘플링해서 딥러닝 기반 방식으로 disparity와 occlusion을 구한 다음에, disparity를 4K로 업샘플링해서 기존의 4K 이미지와 부분적으로 비교하여 disparity와 occlusion을 얻어낸다.
    • 이런 방식으로 하면 기존의 저해상도 이미지에서 얻은 disparity 정보보다 훨씬 더 많은 디테일을 얻을 수 있다.
    • 이 정교한 disparity 정보를 dense reconstruction에 사용하면, 위와 같이 굉장히 작은 균열 (sub-millimeter)도 검출할 수 있다.
  • 참고자료:

 

Open questions

  • 현재 SLAM을 기반으로 perception, planning, control이 이뤄지고 있는 로봇들이 많다.
    • 이러한 시스템에는 Metric SLAM이 필수적인데, 막상 연구개발 해보니까 이게 쉽지 않다.
    • Metric SLAM을 대체할 수 있는 것이 있을까?
    • 만약에 SLAM이 우리가 생각했던대로 성공할 수 없는 기술이라면???
  • ‘강인함’을 재는 척도는 어떤게 좋을까?
  • 맵의 품질은 어떻게 재야할까?
  • 딥러닝을 SLAM에 진짜 쓸 수 있는걸까?
    • Generalization은 어떻게 해야할까?
    • Online learning 방식이 좋을까? 아니면 시뮬레이션에서 더 학습하고 오는게 좋을까?
      • 시뮬레이션을 쓴다면 domain adaptation은?

 

참가자 질문

  • Ground truth는 어떻게 얻는가?
    • 실외: Survey scanner로 맵을 땀. GPS로 위치 추정
    • 실내: Survey scanner / 라이다로 맵을 땀. 모션캡처로 위치 추정
  • Edge 기기에서 잘 도는 SLAM 추천해주세요!
    • 무슨 센서를 쓰는지, 어떤 정보를 얻고싶은지에 따라 다르다. 하나의 SLAM으로 다 해먹을 수 없음.
  • Visual place recognition과 SLAM의 접점은 어떻게 되는가?
    • 증강현실 등에서 robust localization은 중요하다 (i.e. global cooridinate를 알아야하는 경우)
    • 3D map은 있는데, 2D 이미지 센서로 연결점을 만들어야할 때 중요하다.
    • Loop closure할 때도 중요하다.
      • 라스트마일 배달로봇, 맹인 가이드 로봇 등에 중요하다.
  • 인턴십 뽑나요! (ㅋㅋ)
    • 여름 인턴십 프로그램이 있다 (학부생)
  • 슬램 성능은 어떻게 재나요?
    • ATE, RPE
    • 맵에 대한 정보는 조금 더 연구가 필요함.
  • 안개끼고 눈내리는 곳에서 센서는 뭘 써야할까요?
    • Thermal camera + IMU + radar 좋은듯!
  • Brownout effect에는 어떻게 대응하나요?
    • (Brownout effect = 먼지가 엄청 많은 곳)
    • 필터로 어느정도 제거해줄 수 있음.
    • 하지만 너무 심한 경우에는 그냥 카메라/라이다 센서 데이터를 사용하지 않고 레이더만 사용한다던가
    • 또는 특정 빛의 스펙트럼을 받는 카메라를 사용할 수 있음.
  • SLAM에서 traditional / learning-based 중에 어떤걸 써야할까? (Prof. Kaess 질문)
    • 글쎄… 프론트엔드에서는 하나만 쓰는거보다는 엔지니어링 관점에서 섞어쓰면 어떨까 생각한다.
      • 피쳐가 있을 때는 traditional, 없을때는 learning-based를 쓰면 어떨까?
    • 백엔드에서는… 그건 당신이 더 전문가잖아! (ㅋㅋㅋ)
      • 기존의 bundle adjustment, pose graph optimisation, scan matching 등은 잘됨.
        • 지금 현재 방법에서 속도를 더 빠르게 하는 것 외로는 다른 어떤 방식이 있는지 잘 모르겠음.
        • 현재 방식이 잘 안되는 경우는 대부분 ‘gaussian model assumption’에서 나오는 것이라고 봄.
      • 딥러닝 방식으로 시도를 하기도 했지만… 아직 인정해줄만큼 성과가 안나옴. 하지만 길게 보았을때 어떻게 될지는 모르겠음
  • 센서퓨전을 할 때 어떤 방법을 써야하는가? ~~~한 케이스가 있는데, EKF를 써야할지 UKF를 써야할지 모르겠다.
    • 왠만한 경우에는 EKF도 잘 된다.
    • UKF를 쓰고 싶으면 ‘Unscented’ 파트가 진짜 필요한지 생각해봐야한다.
      • Non-Gaussian인가?
  • Loosely-coupled vs Tightly-coupled의 차이가 무엇인가?
    • Loosely-coupled: 여러개의 센서가 각각 odometry를 계산하고, 그걸 합친다.
    • Tightly-coupled: 여러개의 센서 값을 기반으로 하나의 odometry를 계산한다.
Related Posts