Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Man Navi

godel
October 10, 2020

Man Navi

第四回 全日本コンピュータビジョン勉強会
PRMU共催「人に関わる認識・理解」論文読み会

マンナビについて
(TLIO: Tight Learned Inertial Odometry)

Liu, Wenxin; Caruso, David; Ilg, Eddy; Dong, Jing; Mourikis, Anastasios I.; Daniilidis, Kostas; Kumar, Vijay; Engel, Jakob,
"TLIO: Tight Learned Inertial Odometry", IROS2020

https://arxiv.org/abs/2007.01867
https://ieeexplore.ieee.org/abstract/document/9134860

godel

October 10, 2020
Tweet

More Decks by godel

Other Decks in Technology

Transcript

  1. マンナビについて
    ( TLIO: Tight Learned Inertial
    Odometry (IROS2020))
    Godel
    [email protected]

    View full-size slide

  2. アジェンダ
     マンナビとは
     マンナビが難しい原因
     マンナビの研究開発
     最近のマンナビの研究事例
     TLIO: Tight Learned Inertial Odometry (IROS2020)

    View full-size slide

  3. マンナビとは

    View full-size slide

  4. 「マンナビ」とは
     「歩行者用ナビゲーション」のこと
     人が測位するための器具(測位システム)を把持、または身に
    着けることで位置及び姿勢角を推定すること
     事前知識(例えば、地図データ、携帯・WiFi電波強度マップ、
    地磁気マップ、マーカーなどのランドマークの位置情報など)
    は事前に利用可能なユースケースもある
     2000~2005年ころ、GPSや磁気コンパスを搭載したスマート
    フォンの発売、センサネットワーク(IoTの先祖)ブームによ
    り脚光を浴びる (現在では死語になっている)
     現在では、労働者の動線解析や、屋内での危険作業等での作業
    者の位置、状況の把握の技術として利用されている
    https://xtech.nikkei.com/dm/article/NEWS/20050216/101790/

    View full-size slide

  5. マンナビが難しい原因

    View full-size slide

  6. 測位システムの主な誤差要因
     移動時の振動及び姿勢変化
     歩行による人の重心位置の動き以外の振動
     移動時の運動方向
     前後左右
     斜め
     階段
     エレベーター
     センサアライメントの変化
     歩行中のヨー方向の体動
     衣服の動き伴う設置場所の微動
     異常な外乱要因
     想定しない動作
     転倒
     想定しない動作
     ジャンプ
     横歩き
     ほふくetc
    東英知他,"加速度計を用いた歩行分析による疲労推定特徴量の検討",IPSJ
    Vol.2011-UBI-29 No.27
    測位
    シス
    テム
    フィ
    ルタ
    動作の情報
    ノイズ
    外乱









    ノイズ・外乱モデ
    ルに従いフィルタ
    リング

    View full-size slide

  7. 計測対象(プラットフォーム)別
    測位システムの外囲条件比較
    移動時の振動及び
    姿勢変化
    移動時の運動方

    センサアライメン
    トの変化
    異常な外乱要因
    人 歩容による不定振
    動、姿勢変化
    把持状態で変化
    姿勢変化
    急峻な停止・歩行、
    移動方向変化
    自動車(アッカーマ
    ン車両)
    速度・路面に応じ
    た振動
    固定
    進行方向と一致
    スリップ
    悪路不整地路面
    船 波によるピッチ方
    向の振動
    固定
    進行方向と一致
    突風や渦による姿
    勢変化及び振動
    潜水艇(AUV) 定常振動 固定
    進行方向と一致
    乱流による姿勢変
    化及び振動
    航空機(固定翼) 定常振動 固定
    進行方向と一致
    乱流による姿勢変
    化及び振動
    エアポケット
    推定
    困難
    推定
    容易
    X-Y Z-X

    View full-size slide

  8. マンナビの研究開発

    View full-size slide

  9. https://staff.aist.go.jp/t.
    kurata/projects-j/xDR-
    j.html
    Navigation of First
    Person View
    (本稿での話題)
    人が身に着ける測
    位システム(セン
    サ)のみで測位
    Visual SLAMも高精
    度な測位手法とし
    て分類される
    屋内測位技術マップ
    (AIST)

    View full-size slide

  10. PDR( Pedestrian dead reckoning)
    Zengshan Tian,etc,"Pedestrian dead reckoning for MARG navigation using a
    smartphone",EURASIP Journal on Advances in signal Processing,2014,Num.65(2014)
    https://link.springer.com/article/10.1186/1687-6180-2014-65
    加速度計、ジャイロなど内界センサのみから、歩行時の移動量、移動方向を推定する手法
    産総研 興梠,蔵田らが2000年前後に開発(論文が見つからなかったので、以下に同様の論文を
    引用)
    移動量
    歩幅の推定と歩
    数をカウント
    移動方向
    地磁気の3D偏向
    による方位推定
    とジャイロによ
    る方位変更から
    推定

    View full-size slide

  11. https://staff.aist.go.jp/t.
    kurata/projects-j/xDR-
    j.html
    産総研 蔵田グループ
    でのxDR (PDR,
    VDR)研究の歴史
    (AIST)

    View full-size slide

  12. PDRの成果
     良い点
     普通にまっすぐ歩くだけならば、歩幅*歩数で移動量が推定可能(移動距離の10%の誤
    差)
     欠点
     移動方向推定が使用時間によりドリフトする
     姿勢方位角の修正を十数分ごとに実施せざるを得なかった
     長時間運用する場合は、一定間隔で配置したRFIDを補足することで自動的に補正。また
    RFIDがないところではサーバーサイドでのマップマッチングと併用し、強制的に位置修
    正を実施
    後にVisual SLAM (Visual Odometry)により、誤差の発散を抑えるアルゴリズムを
    作成するも、実装可能なSoCが出てくるまでに、数年を待たなければならなかった。

    View full-size slide

  13. VSLAM 概要
     VSLAM(Visual SLAM)
     自動運転や無人プラットフォームは、自己位置姿勢
    角を推定し続ける必要がある
     GNSSだけでは、外乱の多い都市部、利用不能なト
    ンネル内、屋内等では利用不能
     周辺状況から自己位置姿勢角を推定するVSLAMが
    研究開発される
     VSLAMは成熟期
     ICRA2020:SLAM I~VIII、Visual Based Navigation
    I~IV、Localization I~IV
     CVPR2020:Workshop Joint workshop on Long
    Term Visual Localization, Visual Odometry and
    Geometric and Learning-based SLAM 2Day
     FCCM : “CNN-based Feature-point Extraction for
    Real-timeVisual SLAM on Embedded FPGA”
     DARPA SubterraneanChallenge
     今後の課題
     Visualのロバスト性(輝度、照明変化、移動物体)
     長時間の使用が可能な地図データ(ポーズグラフ)の
    最適化、計算量の軽減
     ユースケースに即した航法の設計 https://www.darpa.mil/news-events/2017-12-21
    https://www.slideshare.net/takmin/20190307-visualslam-summary
    ロボットビジョンに関する最
    適化処理
    経路に関する最適化処理
    https://myenigma.hatenablog.com/entry/20100803/1280762612

    View full-size slide

  14. 最近のマンナビの研究事例

    View full-size slide

  15. TLIO: Tight Learned Inertial Odometry
     加速度、ジャイロ情報のみを用いた位置・姿勢
    角推定手法
     ニューラルネットワークを用いた慣性航法手法
    の提案
     重力方向の推定にニューラルネットワークを用
    いて推定
     ニューラルネットワークを用いた古川先生らの
    3DRONINと比べて高性能
     Ground truthとしたVSLAMに近い推定を達成
     Robotics and Automation Letter & IROS2020
    に採択

    View full-size slide

  16. Our network uses a 1D version of ResNet18 architecture proposed in [17]. The input
    dimension to the network is N × 6, consisting of N IMU samples in the gravity-aligned
    frame.

    View full-size slide

  17. ATE The Absolute Translation
    AYE the Absolute Yaw Erro
    RTE The Relative Translation Error
    indicates the local spatial
    closeness of position estimate to
    the GT over a window of duration
    ∆t
    RYE the Relative Yaw Erro
    Drift The final translation drift over
    the distance traveled.
    Yaw-Drift the Yaw Drift over time.

    View full-size slide

  18. https://www.youtube.com/watch?v=L9A1kE42apo&feature=youtu.be
    Tight Learned Inertial Odometry (TLIO) - Symposium

    View full-size slide

  19. まとめ
     マンナビの技術紹介
     TLIO: Tight Learned Inertial Odometry の紹介

    View full-size slide