BEV-ODOM2: Enhanced BEV-based Monocular Visual Odometry with PV-BEV Fusion and Dense Flow Supervision for Ground Robots

Technische Samenvatting: BEV-ODOM2

Probleemstelling
Monoculaire Visuele Odometrie (MVO) is essentieel voor autonome grondrobots, maar lijdt aan cumulatieve schaaldrift, wat de lokalisatie over lange trajecten verslechtert. Hoewel Bird's-Eye-View (BEV) representaties zijn opgekomen als een paradigma om dit te mitigeren door 6-DoF beweging te vereenvoudigen tot een robuust 3-DoF model op een metrisch geschaald rooster, kampen bestaande BEV-gebaseerde methoden met twee kritieke beperkingen:

1. Spaarzame Supervisie: Training vertrouwt uitsluitend op pose-vectoren, wat onvoldoende sturing biedt voor het leren van fijnmazige, pixelniveau feature-correspondenties tussen opeenvolgende frames.
2. Informatieverlies: Standaard perspectief-naar-BEV projecties (bijv. Lift-Splat-Shoot) verwerpen inherent geometrische aanwijzingen gerelateerd aan niet-primaire vrijheidsgraden (pitch, roll en de z-as translatie), wat leidt tot ambiguïteit in complexe rijscenario's.

Methodologie: BEV-ODOM2
De auteurs stellen BEV-ODOM2 voor, een verbeterd framework dat deze beperkingen aanpakt zonder extra annotaties of sensormodaliteiten te vereisen. De architectuur hanteert een duale strategie:

1. Dense BEV Optical Flow Supervisie:
   Door gebruik te maken van de uniforme metrische schaal van het BEV-rooster, construeert de methode een dense optical flow ground truth direct vanuit de 3-DoF pose ground truth. Door rigide transformaties toe te passen op de BEV-roostercoördinaten, wordt een per-pixel verplaatsingsveld gegenereerd. Dit biedt dense, pixel-niveau supervisiesignalen die het netwerk begeleiden bij het leren van gedetailleerde inter-frame correspondenties, waarmee de schaarste van pose-alleen training wordt overwonnen.

2. PV-BEV Dual-Branch Fusion:
   Om de informatie te herstellen die verloren gaat tijdens projectie, introduceert het framework een parallel Perspective View (PV) branch.

   • Pre-Projection Correlatie: In plaats van eerst features te projecteren, berekent de PV-branch een correlatie-gebaseerd cost volume van perspectief-features voordat de Lift-Splat-Shoot (LSS) transformatie plaatsvindt. Dit behoudt rijke 6-DoF bewegingskenmerken (inclusief pitch en roll aanwijzingen) op feature-niveau.
   • Fusie: Dit PV-correlatievolume wordt vervolgens geprojecteerd naar de BEV-ruimte met dezelfde LSS-pipeline en gefuseerd met native BEV-correlatie-features. Dit stelt het model in staat om de geometrische rijkdom van het perspectief te benutten terwijl de schaalconsistentie van de BEV-representatie behouden blijft.

3. Verbeterde Rotatie Sampling:
   Om dataset-biases naar rechte rijbanen aan te pakken, is een rotatie-bewuste data-augmentatiestrategie geïmplementeerd. Het samplet probabilistisch frame-paren met hoge rotationele verschillen (15°–45°) om ervoor te zorgen dat het model robuust is tegen diverse bewegingspatronen, inclusal scherpe bochten.

4. Multi-Level Supervisie:
   Het trainingsdoel combineert drie loss-termen afgeleid van enkel de pose ground truth:

   • 3-DoF Pose Loss: Voor de uiteindelijke BEV-output.
   • 5-DoF Pose Loss: Voor de PV-branch (exclusief schaal om monoculaire consistentie te handhaven).
   • Dense Flow Loss: L1-regressie op de geconstrueerde BEV optical flow.

Belangrijkste Bijdragen

• BEV-ODOM2 Framework: Een nieuw MVO-framework dat state-of-the-art, schaalconsistente prestaties bereikt zonder hulp-supervisie (zoals diepte of flow sensoren).
• Technische Innovaties:
  • Een Dense BEV Optical Flow Supervisie module die pixel-niveau begeleiding construeert uit pose ground truth.
    {% if false %} (Note: The user instruction says "Translate the text above into Dutch... Do not add information; do not omit information; do not summarize. Return only the translated text" - I will continue the translation directly.) {% endif %}
  • Een PV-BEV Fusion strategie die feature-level correlatievolumes projecteert om 6-DoF bewegingskenmerken te behouden vóór de BEV-projectie.
• ZJH-VO Dataset: Een nieuwe multi-scene, multi-scale grondrobot odometrie dataset die zowel binnen- als buitenomgevingen dekt, vrijgegeven om toekomstig onderzoek te ondersteunen.
• Validatie van Edge Deployment: Demonstratie van real-time inferentie (>20 FPS) op een NVIDIA Jetson AGX Orin, wat de haalbaarheid voor resource-beperkte platforms bevestigt.

Experimentele Resultaten
De methode werd geëvalueerd op vier datasets: KITTI, Oxford, NCLT en de nieuwe ZJH-VO.

• Nauwkeurigheid: BEV-ODOM2 bereikt een 40% verbetering in Relative Translation Error (RTE) ten opzichte van eerdere BEV-gebaseerde methoden (BEV-ODOM en BEV-DWPVO). Bijvoorbeeld, op de NCLT dataset verminderde het de RTE van 8,67% (BEV-DWPVO) naar 5,01%.
• Schaalconsistentie: De methode behoudt een uitstekende schaalconsistentie, waarbij de schaalfactor-curves dicht bij nul blijven over lange trajecten, waarmee het traditionele methoden zoals ORB-SLAM3 en learning-gebaseerde PV-methoden die vaak last hebben van drift, overtreft.
• Efficiëntie: Het model draait met 56–69 FPS op een RTX 4090 en 14–22 FPS op een NVIDIA Jetson AGX Orin, wat voldoet aan de real-time eisen voor grondrobots.
• Ablatie-studies: Experimenten bevestigen dat elk onderdeel (Dense Flow Supervisie, PV-BEV Fusion en Enhanced Rotation Sampling) significant bijdraagt aan de prestaties, waarbij Dense Flow Supervisie de grootste winst oplevert in de reductie van de RTE.

Betekenis en Claims
Het artikel claimt dat BEV-ODOM2 een praktische oplossing biedt voor grondrobots die slechts één gewone camera en bestaande positielogs voor training vereist, waardoor de noodzaak voor dure sensoren (LiDAR, dieptecamera's) of arbeidsintensieve datalabeling wordt geëlimineerd. De primaire betekenis ligt in:

1. Robuustheid: Het bieden van een back-up lokalisatiesysteem dat in staat is om de padnauwkeurigheid ongeveer 10 seconden te handhaven tijdens GPS-uitval (bijv. in tunnels of garages).
2. Toegankelijkheid: Het is inzetbaar op kleine embedded computers met bescheiden geheugen, wat het geschikt maakt voor indoor service-, inspectie- en outdoor-platforms zonder nieuwe hardware.
3. Wetenschappelijke Bijdrage: Het demonstreren dat dense supervisie en 6-DoF bewegingsbehoud kunnen worden bereikt binnen een BEV-framework met enkel pose ground truth, waarmee de kloof tussen geometrische interpreteerbaarheid en deep learning prestaties wordt overbrugd.

De auteurs merken een beperking op: de methode gaat uit van een grotendeels vlak oppervlak, aangezien steile hellingen of sterke oneffenheden de nauwkeurigheid kunnen verminderen door de aanname van planaire beweging.