VIO และ SLAM

ทำไมต้องรู้

หน่วยความรู้เรื่อง VIN, VIO และ SLAM ของคลังความรู้โดรนอธิบายบทบาทของกล้อง IMU และการรวมข้อมูล ก่อนเลือกเครื่องมือทดลองการนำทาง VIO (visual-inertial odometry) ประมาณการเคลื่อนที่ต่อเนื่องจากกล้องกับ IMU SLAM สร้างแผนที่และหาตำแหน่งในแผนที่ไปพร้อมกัน ซึ่งปิดวงเพื่อลดการลอยได้ UAT 366 ใช้แนวคิด SLAM ในอาคารแล้ว โมดูลนี้เน้น ความลึก และ มาตราส่วน ซึ่งเป็นสองเรื่องที่ทำให้ระบบนำทางด้วยภาพผิดบ่อยที่สุด

ความลึกจากสเตอริโอ

กล้องสองตัววางห่างกันเป็นระยะฐาน $B$ เห็นจุดเดียวกันที่ตำแหน่งต่างกันในภาพ ความต่างนี้เรียกว่า disparity $d$ ความลึกคือ $Z=fB/d$ เมื่อ $f$ คือความยาวโฟกัสหน่วยพิกเซล เพราะ $Z$ แปรผกผันกับ $d$ ความคลาดเคลื่อนของ disparity เพียงเล็กน้อยทำให้ความลึกที่ระยะไกลผิดมาก ความคลาดเคลื่อนของความลึกโตตามกำลังสองของระยะ ตามความสัมพันธ์ $\delta Z\approx Z^2\delta d/(fB)$ ที่ Keselman และคณะ (2017) ใช้อธิบายกล้องความลึกแบบสเตอริโอของ Intel RealSense

F_PX, BASE, DD = 640, 0.095, 0.25               # พิกเซล, m, พิกเซล
for z in (2, 5, 10, 20):
    d = F_PX * BASE / z
    dz = z * z / (F_PX * BASE) * DD
    print(f"range {z:>2} m: disparity {d:5.2f} px, depth error about {dz:.3f} m ({dz / z:.1%})")

range  2 m: disparity 30.40 px, depth error about 0.016 m (0.8%)
range  5 m: disparity 12.16 px, depth error about 0.103 m (2.1%)
range 10 m: disparity  6.08 px, depth error about 0.411 m (4.1%)
range 20 m: disparity  3.04 px, depth error about 1.645 m (8.2%)

มาตราส่วนของกล้องตัวเดียว

กล้องตัวเดียวรู้ทิศทางการเคลื่อนที่แต่ไม่รู้ มาตราส่วน ภาพของบ้านจริงที่อยู่ไกลกับบ้านจำลองที่อยู่ใกล้อาจเหมือนกัน VIO แก้ปัญหานี้ด้วย IMU ซึ่งวัดความเร่งในหน่วยจริง เมื่อเทียบระยะเคลื่อนที่จากภาพ (ไม่มีหน่วย) กับระยะจากการอินทิเกรต IMU ในช่วงสั้น จะได้ตัวคูณมาตราส่วน ต้องมีความเร่งพอให้ IMU วัดได้ชัด การบินความเร็วคงที่นาน ๆ จึงประมาณมาตราส่วนได้ยาก

import numpy as np

imu = np.array([0.52, 1.05, 1.48, 2.10, 2.47, 3.03])                 # m
vis = imu / 3.2 + np.random.default_rng(8).normal(0, 0.01, 6)        # ไม่มีหน่วย
s = (vis @ imu) / (vis @ vis)
resid = imu - s * vis
print("visual displacements:", np.round(vis, 3))
print(f"estimated scale {s:.3f} (true 3.2), residual RMS {np.sqrt(np.mean(resid ** 2)):.3f} m")
print(f"a 10-unit visual path would be {10 * s:.1f} m")

visual displacements: [0.145 0.315 0.449 0.653 0.749 0.945]
estimated scale 3.250 (true 3.2), residual RMS 0.034 m
a 10-unit visual path would be 32.5 m

เลือกเซนเซอร์รับรู้

• สเตอริโอ ให้ความลึกหนาแน่นระยะใกล้ ใช้ได้เมื่อมีพื้นผิวและแสงพอ
• LiDAR ให้ระยะแม่นในระยะไกลกว่าและไม่ขึ้นกับแสง แต่หนักและแพงกว่า
• กล้องตัวเดียวกับ IMU เบาและถูก แต่ต้องมีการเคลื่อนที่พอให้หามาตราส่วน
• ทุกแบบมีปัญหากับพื้นผิวเรียบไม่มีลาย ผิวสะท้อน น้ำ และหมอก

ปฏิบัติการประจำโมดูล

ข้อผิดพลาดที่พบบ่อย

สรุป

• VIO ประมาณการเคลื่อนที่จากกล้องกับ IMU ส่วน SLAM เพิ่มแผนที่และการปิดวง
• ความลึกจากสเตอริโอ $Z=fB/d$ ความคลาดเคลื่อนโตตามกำลังสองของระยะ
• กล้องตัวเดียวไม่รู้มาตราส่วน IMU ช่วยประมาณได้เมื่อมีความเร่งพอ
• เลือกเซนเซอร์ตามระยะ แสง และพื้นผิวของงาน

แบบฝึกตรวจความเข้าใจ

1. $f$ = 700 px, $B$ = 0.1 m, $d$ = 14 px ความลึกเท่าใด
2. ถ้าระยะเพิ่มเป็นสองเท่า ความคลาดเคลื่อนของความลึกเพิ่มกี่เท่า
3. ทำไมกล้องตัวเดียวจึงไม่รู้มาตราส่วน
4. มาตราส่วนผิด 3% เส้นทาง 200 m ผิดเท่าใด
5. SLAM ต่างจาก VIO อย่างไร