-->


[Visual SLAM] ― April 27, 2021

Filter-based VIO [1편] — MSCKF 계열 history 정리

NOTE: 아래 내용들은 김연조 et al 의 “속도증분벡터를 활용한 ORB-SLAM 및 관성항법 결합 알고리즘 연구 (2019)” 논문의 관련연구 섹션을 참고하였습니다.

MSCKF 계열은 Tightly-coupled Filter-based1 라고 할 수 있다.

  • 특징
    1. 많은 특징점 또는 이미지 패치를 필요로 하지 않는다.
    2. Optimization-based VIO보다 적은연산량을 필요로 한다.
    3. 따라서 가벼운 onboard platform에서 선호된다.

MSCKF (2007)

요약: 특징점 대신 지난 시점의 카메라 포즈를 상태변수에 포함
  • 특징점의 확률분포를 가우시안 분포로 근사할 필요가 없기 때문에, 더욱 고정밀의 포즈 추정이 가능
  • 논문2
    • 07 ICRA A. I. Mourikis and S. I. Roumeliotis, “A multi-state constraint Kalman filter for vision-aided inertial navigation”

MSCKF의 후속 (2012, 2013)

요약: camera와 IMU 사이 캘리브레이션 파라미터 역시 상태변수에 포함
  • 캘리브레이션 파라미터와 요(yaw) 각에 대한 가관측성 (Observability) 분석도 수행함.
    • 필터의 일관성 (consistency)을 향상
    • 결과적으로 추정된 상태변수의 불확실성(uncertainty)과 실제 불확실성을 일치시키려 함
  • 논문
    • note: MSCKF 1저자인 Mourikis가 교신저자
    • 12 ICRA (학회버전) M. Li and A. I. Mourikis, “Improving the accuracy of EKF-based visual-inertial odometry”
    • 13 IJRR (저널버전) M. Li and A. I. Mourikis, “High-precision, consistent EKF-based visual-inertial odometry”

MSCKF의 후속2 (2015-)

요약: 특징점(geometric error) 대신 패치의 photometric error 를 사용
  • 특징점을 사용하지 않기 때문에, 모션블러 또는 텍스쳐가 적은 환경에 강인하다는 특징을 갖는다.
  • 논문
    • 15 IROS P. Tanskanen, T. Naegeli, M. Pollefeys, and O. Hilliges, “Semi-direct EKF-based monocular visual-inertial odometry”
    • 15 IROS M. Bloesch, S. Omari, M. Hutter, and R. Siegwart, “Robust visual inertial odometry using a direct EKF-based approach”
    • 17 IJRR M. Bloesch, M. Burri, S. Omari, M. Hutter, and R. Siegwart, “Iterated extended Kalman filter based visual-inertial odometry using direct photometric feedback”

MSCKF의 후속3 (2018)

요약: steroe version
  • 논문
    • 18 RAL Robust stereo visual inertial odometry for fast autonomous flight

주석

  1. 이외에 Loosely coupled filter-based 도 있는데, loosely coupled 는 일반적으로 VO 알고리즘의 해를 칼만 필터의 측정치(measurement)로 사용하여 결합한다.
    따라서 특징점 수에 상관없이 항상 같은 수준의 계산 복잡도를 가진다 (관측된 특징점을 상태변수에 포함시키지 않기 때문).
    이러한 약결합 방식은 강결합 방식에 비해 필터 구조가 간단하기 때문에, 다른 센서를 융합함으로써 성능을 향상시키기 용이하다
    논문:
    — 11 ICRA Real-time metric state estimation for modular vision-inertial systems (스케일 팩터를 상태변수에 추가함),
    — 13 ICRA Stereo vision and IMU based real-time ego-motion and depth image computation on a handheld device (스테레오 버전),
    — 13 IROS A robust and modular multi-sensor fusion approach applied to MAV navigation and 14 ICRA Multi-Sensor Fusion for Robust Autonomous Flight in Indoor and Outdoor Environments with a Rotorcraft MAV (IMU, laser scanner, stereo cameras, pressure altimeter, magnetometer, and a GPS 등 다양한 다른 센서를 융합한 버전) ↩

  2. 이 논문을 이해하기 위해서는 IMU model과 quaternion에 대한 기초지식이 요구된다.
    — 이에 대해서는 Trawny, Nikolas, and Stergios I. Roumeliotis. “Indirect Kalman filter for 3D attitude estimation. (2005) 를 추천한다 (note: MSCKF논문의 교신저자인 Roumeliotis가 여기서도 교신저자이다).
    — 또는 최근 문서인 Joan Sola의 Quaternion kinematics for the error-state Kalman filter (2017) 도 되게 잘 설명하고 있다.
    — ps. 일반적으로 항법 추정문제에서 칼만 필터는 추정 변수의 “오차”를 상태변수로 사용한다 - 이런 세팅을 indirect 라고 부른다. 그래서 위 두 테크리포트의 제목에 indirect 라든가 error-state 라든가 하는 단어가 포함되어 있는 것을 볼 수 있다. ↩


Home Top

Giseop Kim , 2022 — built with Jekyll using Lagom theme