Linien statt nur Punkte: cuVSLAM von NVIDIA driftet in Lagergängen 38,5 % weniger
Der Preprint verringert die Drift kamerabasierter Lokalisierung in texturarmen Hallen deutlich, indem er neben Punkten auch Kanten von Regalen und Wänden verfolgt. Weil die Erweiterung in die bestehende NVIDIA-Software passt, betrifft sie direkt die Kosten fahrerloser Transportsysteme ohne Lidar.
Kann die kamerabasierte Lokalisierung mobiler Roboter in merkmalsarmen Lagergängen genau bleiben, wenn sie zusätzlich zu Eckpunkten gerade Kanten verfolgt, ohne den vorhandenen Schätzer zu ersetzen oder zu verlangsamen?
Visuelle Odometrie verfolgt kleine texturierte Punkte von Bild zu Bild. Lager und Fabriken bestehen aus einfarbigen Wänden, gleichförmigen Regalen und spiegelnden Böden, daher finden Punkttracker wenige gute Zuordnungen und die Positionsschätzung driftet. Diese Drift bestimmt, wie weit ein autonomer mobiler Roboter ohne Neulokalisierung fahren kann, und ist ein Grund, warum viele Intralogistiker weiter für Lidar bezahlen.
Punkt-Linien-Verfahren wie PL-SLAM, PL-VIO und PL-VINS nutzen bereits Linien, löschen sie aber, sobald das erzeugende Bild das Optimierungsfenster verlässt, fusionieren keine Mehrfachbeobachtungen und gewichten Punkte und Linien fest, egal wie viele Punkte übrig sind. cuVSLAM, NVIDIAs CUDA-beschleunigtes SLAM für Jetson mit bis zu 32 Kameras, verfolgt nur Punkte.
Die Autoren lassen den Punktpfad von cuVSLAM unverändert und fügen parallel einen Linienpfad hinzu. Linien werden mit LSD erkannt, mit dem Line Band Descriptor zugeordnet und in einem dauerhaften Register gehalten, sodass eine früh gesehene Kante viel später wieder genutzt werden kann. Die 3D-Lage jeder Linie ist ein getrimmter Mittelwert ihrer jüngsten Rekonstruktionen. Linienfehler fließen in dieselbe Posenschätzung pro Bild und dieselbe Bündelausgleichung im gleitenden Fenster wie Punkte, und ein begrenztes Gewicht gibt Linien mehr Einfluss, je weniger Punkte vorhanden sind. Abgeschaltet entspricht das System dem Original.
Im RGB-D-Modus mit strenger Ausrichtung ohne Skalenkorrektur sank der mittlere absolute Trajektorienfehler über alle 22 TUM-RGB-D-Sequenzen von 0,1960 m auf 0,1205 m (38,5 %), der Median von 0,1436 m auf 0,0511 m (64,4 %); 19 von 22 Sequenzen verbesserten sich, large_cabinet um 79,2 %, walking_static um 88,6 %. Auf der Zehn-Sequenzen-Auswahl aus der cuVSLAM-Originalarbeit fiel der Fehler von 0,1112 m auf 0,0357 m (67,9 %) und lag damit 46,7 % unter dem veröffentlichten ORB-SLAM3-Wert von 0,067 m (Rechnung MEKAWIRE). Auf 8 Replica-Sequenzen sank der mittlere Translationsfehler um 30,1 %, der Median des Rotationsfehlers um 66,4 % (0,580 auf 0,195 Grad). 26 von 30 Sequenzen wurden genauer, kein Lauf verlor das Tracking.
Es handelt sich um einen Preprint mit nur zwei öffentlichen Datensätzen, einem mit handgeführter RGB-D-Kamera und einem gerenderten ohne Sensorrauschen. Tests auf einem echten Lagerroboter, Stereo- oder Inertialkonfigurationen sowie Angaben zu Rechenzeit und Jetson-Last des Linienpfads fehlen. Die Genauigkeit von Bild zu Bild wird etwas schlechter (mittlerer Ein-Bild-Translationsfehler 0,0108 m auf 0,0136 m, rund 26 % mehr, Rechnung MEKAWIRE), und bei nahen Ansichten untexturierter Flächen gibt die Punktzahl-Regel unzuverlässigen, sich wiederholenden Kanten zu viel Gewicht (eine Sequenz 0,3889 m auf 0,7386 m). Die Autoren nennen Unsicherheit pro Beobachtung und direktes Linientracking als Abhilfe.
Die Arbeit zielt auf AMR und autonome Stapler, wo Kameranavigation über den Preis mit Lidar konkurriert. Da sie in cuVSLAM eingreift, NVIDIAs eigenes SLAM für Jetson-Boards, könnten Integratoren mit NVIDIA-Hardware ohne Schätzerwechsel profitieren, falls NVIDIA die Erweiterung übernimmt. Für europäische Intralogistik-Anbieter, die Flotten in gleichförmigen Hochregallagern betreiben, ist das ein Argument für günstigere Kamerasensorik. Zeitrahmen: eine Übernahme in die Bibliothek ist binnen eines Jahres denkbar; Betreiber sollten aber Ergebnisse echter Roboter in ihren eigenen Gängen abwarten.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.