SLAM: Come Vedere (e Mappare!) Anche Dove la Texture Scarseggia con Punti e Linee

Ciao a tutti! Avete mai provato a orientarvi, o a far orientare un robot, in un ambiente un po’… *noioso* dal punto di vista visivo? Pensate a lunghi corridoi bianchi, stanze poco illuminate, magazzini con pareti tutte uguali. Per noi umani magari è solo un po’ deprimente, ma per un sistema di SLAM Visivo (Simultaneous Localization and Mapping), cioè quella tecnologia che permette a robot e dispositivi di capire dove sono e mappare l’ambiente circostante usando solo telecamere, queste situazioni sono un vero incubo!

La Sfida degli Ambienti “Poveri di Texture”

Il problema fondamentale è che molti algoritmi SLAM si basano sull’identificazione e il tracciamento di “punti caratteristici” (features) nell’immagine. Immaginate questi punti come piccoli appigli visivi: l’angolo di una scrivania, una macchia sul muro, il dettaglio di un poster. L’algoritmo li riconosce immagine dopo immagine e, misurando come si spostano, capisce come si è mosso lui stesso e ricostruisce la forma dell’ambiente.

Ma cosa succede se l’ambiente è, appunto, a “bassa texture”? Se le pareti sono lisce e uniformi, se c’è poca luce o un forte contrasto che “appiattisce” tutto? Succede che di punti caratteristici se ne trovano pochi e quei pochi magari sono instabili, cambiano aspetto da un fotogramma all’altro o spariscono del tutto. Risultato: il sistema va in crisi, perde l’orientamento (localization) e la mappa (mapping) che costruisce è imprecisa o inutilizzabile. Un bel guaio se state affidando a quel sistema la navigazione di un drone, di un robot domestico o di un veicolo autonomo!

Il Nostro Asso nella Manica: Punti + Linee = Robustezza

Qui entriamo in gioco noi. Di fronte a questa sfida, ci siamo chiesti: se i punti da soli non bastano, perché non affiancarli a qualcos’altro? E cosa c’è di più stabile e riconoscibile, specialmente in ambienti artificiali come case, uffici o fabbriche, delle linee? Pensate ai bordi dei muri, agli stipiti delle porte, ai profili dei mobili. Le linee sono spesso ben definite, meno sensibili alle variazioni di luce rispetto ai singoli punti e descrivono la *struttura* dell’ambiente in modo più completo.

L’idea, quindi, è stata quella di sviluppare un sistema SLAM che non si affidasse solo ai punti, ma che sfruttasse la sinergia tra punti e linee. Un approccio ibrido per ottenere il meglio dei due mondi: la velocità e la diffusione dei punti (quando ci sono) e la robustezza strutturale delle linee (soprattutto quando i punti scarseggiano).

Rendere i Punti Più Intelligenti: L’Algoritmo AGAST Adattivo

Per prima cosa, abbiamo messo mano all’estrazione dei punti. Abbiamo preso un algoritmo già veloce ed efficiente, chiamato AGAST (Adaptive and Generic Accelerated Segment Test), e lo abbiamo migliorato. Il problema degli algoritmi standard è che usano una soglia fissa per decidere se un pixel è “interessante” o meno. Ma una soglia fissa non va bene in condizioni di luce variabili!

Abbiamo introdotto una soglia adattiva. In pratica, il nostro algoritmo “guarda” la porzione di immagine che sta analizzando e regola la soglia di conseguenza: se c’è poco contrasto (come su un muro bianco), abbassa la soglia per trovare più punti possibili; se c’è molto contrasto o luce intensa, la alza per evitare di essere sommerso da punti inutili o “rumorosi”. Questo rende l’estrazione dei punti molto più stabile e affidabile, anche in condizioni difficili.

Trovare la Strada di Casa (Anche Quando Sembra Tutto Uguale): Loop Closure con Punti e Linee

Un altro aspetto cruciale dello SLAM è il cosiddetto “loop closure“, cioè la capacità del sistema di riconoscere un luogo in cui è già passato. È fondamentale per correggere gli errori accumulati durante il percorso e per creare mappe coerenti. Anche qui, gli ambienti a bassa texture mettono a dura prova gli algoritmi tradizionali basati solo sui punti.

Noi abbiamo sviluppato un metodo innovativo che chiamiamo “post-integrazione punto-linea incrementale“. Sembra complicato, ma l’idea è questa:

• Usiamo due “database” separati (basati su un modello efficiente chiamato OBIndex2) per tenere traccia delle immagini viste in passato, uno basato sui descrittori dei punti (estratti col nostro AGAST adattivo) e uno basato sui descrittori delle linee (estratte con l’algoritmo LSD e descritte con LBD).
• Quando il sistema acquisisce una nuova immagine, cerca nei due database le immagini passate più simili, ottenendo due liste di “candidati” per il loop closure: una basata sui punti e una sulle linee.
• A questo punto, invece di scegliere l’una o l’altra, le fondiamo! Usiamo una strategia ispirata al metodo di voto “Borda count”: ogni lista “vota” per i suoi candidati migliori, e noi combiniamo questi voti (pesandoli in base alla somiglianza) per ottenere una classifica finale molto più robusta.

Questo approccio di “post-integrazione” ci permette di sfruttare l’informazione sia dei punti che delle linee a livello decisionale, aumentando drasticamente l’accuratezza del loop closure, specialmente quando una delle due modalità (punti o linee) è debole a causa della scarsa texture. Abbiamo anche aggiunto controlli di coerenza temporale e geometrica (usando un metodo chiamato LPM) per essere sicuri di non accettare “falsi positivi”.

Alla Prova dei Fatti: I Risultati

Naturalmente, non ci siamo fermati alla teoria. Abbiamo messo alla prova il nostro sistema su dataset pubblici molto usati nella comunità scientifica, come KITTI (che contiene scene stradali urbane) e EuRoC (che include sequenze riprese da droni in ambienti interni).

I risultati sono stati davvero incoraggianti!

• Nella valutazione del loop closure sul dataset KITTI, il nostro metodo ha ottenuto un valore medio di AP (Average Precision) del 92.03%, superando nettamente altri algoritmi noti come FAB-MAP, IBOW-LCD, LDSO e PL-SLAM. La curva Precision-Recall del nostro sistema si è dimostrata costantemente superiore.
• Nella valutazione delle prestazioni complessive del sistema SLAM sul dataset EuRoC, abbiamo confrontato il nostro approccio con ORB-SLAM3, uno dei sistemi visual SLAM più performanti e utilizzati. I risultati hanno mostrato un errore quadratico medio (RMSE) della traiettoria stimata compreso tra 0.0061 e 0.0281 metri. Questo significa un’accuratezza e una robustezza significativamente migliori rispetto a ORB-SLAM3 nelle stesse sequenze, con errori di traiettoria assoluti e relativi notevolmente inferiori.

Questi numeri confermano che la nostra strategia di fusione punti-linee, unita all’estrazione adattiva dei punti e al loop closure potenziato, porta a un miglioramento tangibile delle prestazioni, specialmente negli scenari difficili per cui è stata pensata.

Non è Tutto Oro Quel che Luccica: Limiti e Sogni Futuri

Siamo molto soddisfatti dei risultati, ma siamo anche consapevoli che ci sono ancora margini di miglioramento. Il nostro sistema, pur essendo robusto, può ancora andare in difficoltà in situazioni estreme:

• Se ci sono troppi oggetti dinamici (persone, veicoli) che coprono gran parte della visuale, la mancanza di riferimenti statici può portare a fallimenti.
• Superfici *completamente* uniformi (come corridoi interamente bianchi senza alcun dettaglio) rendono difficile anche l’estrazione delle linee.
• Su scenari molto grandi, il tempo necessario per la ricerca nel database del loop closure può aumentare.
• L’esecuzione su hardware embedded a basse prestazioni (come un Jetson Nano) richiede ulteriori ottimizzazioni per mantenere un frame rate elevato.

Per il futuro, stiamo già pensando a diverse direzioni:

• Ottimizzazione della velocità: Sfruttare l’accelerazione hardware (GPU, FPGA) per i calcoli più pesanti e parallelizzare le operazioni.
• Gestione della dinamicità: Integrare modelli leggeri di segmentazione semantica per distinguere gli oggetti statici da quelli in movimento e basare lo SLAM solo sui primi.
• Fusione con altri sensori: Combinare i dati visivi con quelli di unità inerziali (IMU) o odometria per migliorare ulteriormente la robustezza.
• Applicazioni specifiche: Adattare e testare il sistema in contesti come la guida autonoma, la robotica industriale e agricola, o l’interazione uomo-robot basata sulla comprensione spaziale.

In Conclusione

Affrontare ambienti a bassa texture è una delle grandi sfide dello SLAM visivo. La nostra ricerca dimostra che combinare in modo intelligente le informazioni provenienti dai punti caratteristici e dalle linee strutturali, migliorando sia l’estrazione dei feature che il processo di loop closure, offre una soluzione potente ed efficace. Il nostro approccio “post-integrazione punto-linea” ha mostrato prestazioni superiori in termini di accuratezza e robustezza rispetto a metodi allo stato dell’arte, aprendo la strada a sistemi di navigazione autonoma più affidabili anche quando l’ambiente circostante non è visivamente “ricco”. C’è ancora lavoro da fare, ma crediamo che questa sia la direzione giusta per permettere ai nostri robot di “vedere” e muoversi con sicurezza ovunque, anche dove la luce è poca e i dettagli scarseggiano!

Fonte: Springer