Improvement of visual-inertial ORB_SLAM using correction in initial states estimation

Abstract

O objetivo desta tese de doutorado é melhorar a precisão de posicionamento de sistemas robóticos que usam uma câmera e IMU (sistema visual-inercial) para se localizar em um ambiente interno. Para este fim, ORB-SLAM2 é escolhido como a solução mais confiável e completa para Visual SLAM monocular, e como o mais representativo SLAM visual de última geração que é usado para se fundir as informações IMU. Desta forma, decidimos aumentar a precisão na estimativa dos estados iniciais, tendo um impacto muito importante no resultado final. Uma vez que a estratégia é usar a otimização fortemente acoplada no sistema SLAM visual-inercial, dois parâmetros ajustáveis L e P são incorporados na equação de estimativa de estados. Esses dois parâmetros são utilizados como coeficientes do primeiro termo e do termo de gravidade da fórmula proposta, respectivamente. A razão para empregar esses parâmetros é de obter graus de liberdades adicionais para regular o sistema com base no nível de dificuldade do ambiente para obter o melhor desempenho na busca dos melhores valores de inicialização, levando à melhor precisão na saída final. Para avaliar o desempenho do algoritmo proposto, um teste de benchmark usando o conjunto de dados EuRoC é executado e seus resultados comprovam o papel eficiente de parâmetros ajustáveis adicionais para melhorar a precisão. Além disso, a análise de Hardware - uso da CPU durante a implementação - por dois hardwares diferentes é outra prática realizada nesta tese que mostra como o tipo de ambiente afeta o uso da CPU. Finalmente, os parâmetros ajustáveis obtidos no benchmark são aplicados em um experimento do mundo real. Este experimento foi realizado com realizada com sucesso, sem falhar e perder os recursos durante o experimento. Além disso, a redução do tempo de inicialização é outra conquista deste estudo que, em comparação com o V-SLAM / VI-SLAM de última geração.

Abstract: The fusion of monocular visual and IMU has gained a lot of attention from robotic systems. Recent results have shown that optimization-based fusion approaches outperform filtering approaches. However, poor initialization can lead to inaccurate state estimation in optimization-based visual-inertial Simultaneous Localization and Mapping (SLAM) systems. Therefore, due to the nonlinearity of visual-inertial systems, initial values (visual scale, gravity, velocity, and Inertial Measurement Unit (IMU) biases) play a crucial role. For this reason, this thesis aims to improve the initial states estimation using two adjustable parameters L and P. In fact, these additional parameters are employed as coefficients of first term and gravity term of the proposed formula, respectively. Based on the difficulty level of the environment (texture, mid-texture, and texture-less), the indoor room is categorized into easy, medium, and difficult, and then two adjustable parameters are regulated based on this difficulty level. This strategy has been tested in two types of implementation; Benchmark with the public EuRoC dataset and real-world experiment. In benchmark, by employing the right adjustable parameters, in some scenarios, we could attain satisfactory results compared to state-of-the-arts visual-inertial Odometery and SLAM in terms of positioning accuracy and reduction of accumulative error. In this part, also, from point of hardware?s view, some measurements are performed. While the proposed algorithm is being executed, the maximum CPU usage in each sequence is measured on a Raspberry-Pi single-board and a Laptop. The results proved that the Raspberry-Pi 3 - because of poor hardware configuration - is under more pressure in terms of CPU usage. The second part is concerned with a real-world experiment in which a monocular-inertial RealSense ZR300 sensor is utilized. The outcomes were satisfactory so that the initialization time was very short and the proposed algorithm could quickly obtain the ORB features.