Physical AI · REPO · 2020
FAST_LIO: A computationally efficient and robust LiDAR-inertial odometry package
요약
FAST-LIO 논문 계열(FAST-LIO, FAST-LIO2)의 공식 구현 저장소다. 홍콩대 MaRS Lab이 관리하고 라이선스는 GPL-2.0이다. 2021-07-05 업데이트로 FAST-LIO 2.0이 기본이 됐고, FAST-LIO 1.0 알고리즘을 코드로 보려면 commit 기록을 거슬러 가야 한다.
FAST-LIO는 LiDAR와 IMU 데이터를 tightly-coupled iterated extended Kalman filter로 융합하는 odometry 패키지로, 빠른 움직임이나 복잡한 환경에서도 안정적으로 동작한다. odometry는 센서로 이동량을 누적해 로봇의 상대 위치를 추정하는 방법을 말한다.
배경
LOAM 계열의 고전적 LiDAR odometry는 스캔에서 edge나 plane 같은 feature를 먼저 추출하고 그것만 정합에 썼다. 이 구조에는 두 가지 문제가 있다. feature 검출기를 LiDAR 기종마다 다시 튜닝해야 하고, 추출 과정에서 미묘한 환경 특징이 버려진다.
FAST-LIO2는 이 단계를 생략한다. raw point를 map에 그대로 등록하는 direct 방식이라 환경 정보를 덜 버리고, feature 추출기가 없으므로 새로운 LiDAR 기종 지원도 쉬워진다. 이 전환을 가능하게 한 요소가 ikd-Tree라는 map 자료구조다. 알고리즘의 정량 평가는 원 논문 페이지(FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter, FAST-LIO2: Fast Direct LiDAR-inertial Odometry)가 다루며, 이 페이지는 저장소가 제공하는 기능과 사용법에 집중한다.
저장소 구성과 기능
README가 제시하는 FAST-LIO 1.0의 특징은 세 가지다. odometry 최적화를 위한 빠른 iterated Kalman filter, 대부분의 정지 환경에서 가능한 자동 초기화, 그리고 계산량을 줄이는 병렬 KD-Tree 탐색이다.
FAST-LIO 2.0은 여기에 다섯 가지를 더한다.
| 새 기능 | 내용 |
|---|---|
| 증분 mapping | ikd-Tree로 map을 증분 갱신해 100Hz 이상의 LiDAR rate를 달성 |
| direct odometry | raw point의 scan-to-map 정합 (feature 추출 비활성화 가능), 정확도 향상 |
| 다양한 LiDAR | spinning(Velodyne, Ouster)과 solid-state(Livox Avia, Horizon, MID-70)를 함께 지원 |
| 외부 IMU | 내장 IMU 없는 구성도 지원 (6축, 9축 모두 가능) |
| ARM 플랫폼 | Khadas VIM3, Nvidia TX2, Raspberry Pi 4B(8G RAM)에서 구동 |
ikd-Tree는 point 삽입과 삭제를 증분으로 처리하고 필요할 때 부분 재균형하는 KD-Tree 변형으로, 별도 저장소(hku-mars/ikd-Tree)로도 공개되어 있다. point cloud가 계속 갱신되는 상황에서도 kNN search 성능이 유지되는 것이 핵심이다.
설치와 실행
ROS 패키지 구조이고 빌드는 catkin 기반이다. 사전 의존성은 다음과 같다.
| 의존성 | 요구 버전 |
|---|---|
| Ubuntu | 16.04 이상 |
| ROS | Melodic 이상 |
| PCL | 1.8 이상 (Ubuntu 18.04 이상이면 기본 패키지로 충분) |
| Eigen | 3.3.4 이상 |
| livox_ros_driver | 필수. 빌드와 실행 전에 source 되어 있어야 한다 |
Docker 이미지(kenny0407/marslab_fastlio2)로 실행하는 경로도 README에 스크립트째 포함되어 있다.
실행 경로는 네 가지다.
- Livox Avia 직결:
mapping_avia.launch와livox_lidar_msg.launch를 함께 실행한다. 반드시livox_lidar_msg.launch를 써야 하는데, 그 launch 파일의 CustomMsg 형식만 point별 timestamp를 담고 이 값이 motion undistortion에 필수이기 때문이다. - 다른 Livox 기종과 외부 IMU:
config/avia.yaml에서 LiDAR 토픽, IMU 토픽, extrinsic_T와 extrinsic_R을 설정한다. extrinsic은 IMU를 기준 좌표계로 한 LiDAR의 pose로 정의된다. - Velodyne과 Ouster:
config/velodyne.yaml에서 토픽과 함께 timestamp_unit, scan_line(16, 32, 64 line 테스트됨)을 설정하고mapping_velodyne.launch를 실행한다. - MARSIM 시뮬레이터: hku-mars/MARSIM을 설치하면 실제 기기 없이
mapping_marsim.launch로 실행할 수 있다.
공개 rosbag 예제는 두 종류다. Livox Avia rosbag과, NCLT 데이터셋의 Velodyne HDL-32E를 rosbag으로 변환한 것이다. 또한 pcd_save_enable을 1로 설정하면 전체 스캔이 PCD/scans.pcd로 누적 저장되어 pcl_viewer로 볼 수 있다.
README가 강조하는 운영 주의사항은 세 가지다.
- IMU와 LiDAR의 시간 동기화가 중요하다. 소프트웨어 동기화(time_sync_en)는 정확도를 보장하지 못하므로 외부 동기화가 정말 불가능할 때만 켠다.
- "Failed to find match for field 'time'" 경고는 rosbag에 point별 timestamp가 없다는 뜻이다. forward/backward propagation이 이 값에 의존한다.
- extrinsic을 알고 있다면 extrinsic_est_en을 false로 설정하는 것을 권장한다. extrinsic 초기화가 필요하면 같은 랩의 LI_Init 패키지를 쓴다.
UAV 탑재 사례
실제 로봇 검증용으로 제작한 소형 쿼드로터 구성도 공개되어 있다. 70도 FoV의 Livox Avia와 DJI Manifold 2-C 온보드 컴퓨터(1.8GHz Intel i7-8550U, 8G RAM)를 탑재한다. 이 정도 저사양 장비에서 실시간으로 실행된다는 점이 경량성의 근거다.
확장 생태계
이 저장소는 MaRS Lab 생태계의 front-end 역할을 한다. README의 Related Works에 오른 프로젝트는 다음과 같다.
| 프로젝트 | 역할 |
|---|---|
| ikd-Tree | FAST-LIO2의 map 자료구조 (독립 저장소) |
| R2LIVE | FAST-LIO를 LiDAR-inertial front-end로 쓰는 LiDAR-inertial-visual 융합 |
| LI_Init | LiDAR-IMU extrinsic 초기화와 동기화 패키지 |
| FAST-LIO-LOCALIZATION | 기존 map 위에서의 re-localization 모듈 결합 |
| FAST-LIVO / FAST-LIVO2 | pixel 수준 정확도의 LiDAR-inertial-visual odometry 후속 |
| IKFOM | on-manifold Kalman filter 툴박스 |
| Bubble Planner 외 | FAST-LIO를 planning에 응용한 UAV, UGV 데모 |
외부 후속으로는 map 자료구조를 iVox로 바꾼 Faster-LIO([논문 리뷰] Faster-LIO: Lightweight Tightly Coupled Lidar-Inertial Odometry Using Parallel Sparse...)가 있다.
라이선스가 GPL-2.0이므로 상용 제품에 포함할 때는 조건을 검토해야 한다.
핵심 용어
| 용어 | 뜻 |
|---|---|
| direct 방식 | feature 추출 단계 없이 raw point를 그대로 정합에 쓰는 방식 |
| ikd-Tree | point 삽입과 삭제를 증분 처리하고 동적으로 재균형하는 KD-Tree. FAST-LIO2의 map 자료구조 |
| extrinsic | IMU 좌표계를 기준으로 한 LiDAR의 상대 pose. config yaml의 extrinsic_T와 extrinsic_R |
| motion undistortion | 스캔 중 로봇이 움직여 생기는 point별 왜곡을 timestamp 기반으로 보정하는 처리 |
| rosbag | ROS 토픽 스트림을 기록하고 재생하는 파일 형식. 재현 실험의 표준 경로 |
관련 페이지
- FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter: FAST-LIO 1.0 원 논문. iEKF 융합 알고리즘의 정량 결과는 원 논문 페이지 참고.
- FAST-LIO2: Fast Direct LiDAR-inertial Odometry: FAST-LIO2 원 논문. direct 방식과 ikd-Tree의 근거.
- [논문 리뷰] Faster-LIO: Lightweight Tightly Coupled Lidar-Inertial Odometry Using Parallel Sparse...: 이 저장소 기반으로 map 자료구조를 iVox로 바꾼 후속.
- [Paper Review] FAST-LIO 요약 및 설명: FAST-LIO 논문의 한국어 리뷰 글.
- Physical AI 카테고리 지도와 학습 경로: physical-ai 카테고리의 분류 뼈대와 학습 경로 허브.