Візуально-інерційний SLAM з використанням розширеного фільтра Калмана для автономної навігації

Abstract

The study is devoted to the use of visual-inertial SLAM based on the extended Kalman filter (EKF) for autonomous navigation tasks. The study used data from the KITTI dataset, which include images from a stereo camera, as well as linear and angular velocities obtained from an inertial measurement device. To determine visual landmarks, it is proposed to use ORB features, which are characterized by their speed of calculation and resistance to changes in lighting, rotation and scaling. In addition, an algorithm for selecting relevant landmarks has been developed, which allows to increase the accuracy and speed of SLAM. The results of a series of experiments have shown that the efficiency of the system largely depends on the adjustment of the noise ratio of the motion model (Q) and sensor measurements (R). It was determined that the optimal range of Q/R for the studied datasets is 0.001…0.00001. To achieve a balance between speed and system performance, the influence of the number of relevant visual features in the range from 10 to 120 was investigated. The results of the experiments showed that the optimal number of landmarks is 50…80, and the best results were achieved at Q/R=0.001 or Q/R=0.00001, depending on the dataset used. The trajectory accuracy was assessed using the ATE metric (Absolute Trajectory Error). GPS data was used as ground truth for verification. The results confirmed that visual-inertial SLAM is an effective tool for autonomous navigation, especially in the absence of GPS. The use of EKF in visual-inertial SLAM reduces computational costs compared to other methods, which makes it optimal for devices with limited resources, in particular mobile robots. Further research will focus on optimizing landmark selection, improving noise modeling, and adapting the algorithm for monocular cameras to improve SLAM accuracy and efficiency. Further research will focus on optimizing landmark selection, improving noise modeling, and adapting the algorithm for monocular cameras to improve SLAM accuracy and efficiency. In addition, research on the invariant extended Kalman filter (IEKF) is planned, which has the potential to improve mapping accuracy and enhance system robustness in complex and dynamic environments.

Досліджено використання візуально-інерційного SLAM на основі розширеного фільтра Калмана (EKF) для задач автономної навігації. У дослідженні використано дані з KITTI-датасету, що включають зображення зі стереокамери, а також лінійні та кутові швидкості, отримані з інерційно-вимірювального пристрою. Для визначення візуальних орієнтирів запропоновано використовувати ознаки ORB, які характеризуються швидкістю обчислення та стійкістю до змін освітлення, обертання і масштабування. До того ж розроблено алгоритм вибору релевантних орієнтирів, що дозволяє підвищити точність та швидкість роботи SLAM. Результати серії експериментів продемонстрували, що ефективність роботи системи значною мірою залежить від налаштування співвідношення шумів моделі руху (Q) та сенсорних вимірювань (R). Визначено, що оптимальний діапазон Q/R для досліджуваних наборів даних становить 0,001…0,00001. Для досягнення балансу між швидкістю та якістю роботи системи досліджено вплив кількості релевантних візуальних ознак у межах від 10 до 120. За результатами експериментів встановлено, що оптимальна кількість орієнтирів становить 50…80, а найкращі результати досягнуто коли Q/R = 0,001 або Q/R = 0,00001 залежно від використаного набору даних. Оцінка точності траєкторії здійснювалася за допомогою метрики ATE (абсолютна похибка траєкторії). Для перевірки використовувалися GPS-дані як ground truth. Результати підтвердили, що візуально-інерційний SLAM є ефективним інструментом для автономної навігації, особливо в умовах відсутності GPS. Використання EKF у візуально-інерційному SLAM зменшує обчислювальні витрати порівняно з іншими методами, через що він є оптимальним для пристроїв з обмеженими ресурсами, зокрема для мобільних роботів. Далі планується дослідити оптимізацію вибору орієнтирів, вдосконалення моделювання шумів та адаптацію алгоритму для монокулярних камер з метою підвищення точності та ефективності SLAM. До того ж планується дослідження інваріантного розширеного фільтра Калмана (IEKF) для підвищення точності картографування та стійкості системи у складних і динамічних умовах.