[論文レビュー] End-to-End UAV Simulation for Visual SLAM and Navigation

Shengyang Chen, Han Chen+3 more|arXiv (Cornell University)|Dec 1, 2020

Robotics and Sensor-Based Localization参考文献 31被引用数 8

ひとこと要約

本論文は、ステレオ視覚インertリアルローカライゼーション、3次元マップ作成、経路計画を統合した、視覚SLAMおよび自律航行を目的としたエンドツーエンドのROS-Gazebo-PX4ベースのUAVシミュレーションフレームワークを提示する。リアルタイム性能を備え、研究および教育用にオープンソースのツールキットを提供するクリックアンドフライレベルの自律性を実現した。

ABSTRACT

Visual Simultaneous Localization and Mapping (v-SLAM) and navigation of multirotor Unmanned Aerial Vehicles (UAV) in an unknown environment have grown in popularity for both research and education. However, due to the complex hardware setup, safety precautions, and battery constraints, extensive physical testing can be expensive and time-consuming. As an alternative solution, simulation tools lower the barrier to carry out the algorithm testing and validation before field trials. In this letter, we customize the ROS-Gazebo-PX4 simulator in deep and provide an end-to-end simulation solution for the UAV v-SLAM and navigation study. A set of localization, mapping, and path planning kits were also integrated into the simulation platform. In our simulation, various aspects, including complex environments and onboard sensors, can simultaneously interact with our navigation framework to achieve specific surveillance missions. In this end-to-end simulation, we achieved click and fly level autonomy UAV navigation. The source code is open to the research community.

研究の動機と目的

• 視覚SLAMおよびナビゲーション研究における物理的UAVテストの高コストおよびリスクを低減すること。
• フィールド導入前のフルスタックアルゴリズムテストを可能にする、柔軟で再構成可能なシミュレーション環境を提供すること。
• 1つのシミュレーションパイプラインにセンシング、ローカライゼーション、マッピング、計画を統合することで、クリックアンドフライレベルの自律性を実現すること。
• すべてのシミュレーションアセット、ローカライゼーション、マッピング、計画ツールキットをオープンソースとして公開することで、再現可能な研究を支援すること。
• 標準的で拡張可能なシミュレーションフレームワークを通じて、自律UAVシステムの教育および開発を促進すること。

提案手法

• 詳細な3次元シミュレーションワールド、UAVモデル、ステレオカメラセンサを備えたカスタマイズされたROS-Gazebo-PX4シミュレータを構築した。
• キャリブレーション済みのカメラ内部パrameterと外部パrameterを用いたステレオ視覚インertリアルポーズ推定キットを統合：$[f_x, f_y, c_x, c_y] = [343.4963, 343.4963, 320, 180]$、基準基準距離0.05m、IMU-カメラのアライメントを設定。
• 0.2m解像度、181,500ボクセルの3次元占有ボクセルマッピングシステムを導入。効率的なマップ表現のためのユークリッド符号付き距離関数（ESDF）を採用。
• ハイブリッド経路計画スタックを統合：グローバル計画はグリッドマップ上でのJPS、ローカル計画はFuxi-Plannerを用い、PX4への速度指令を生成。
• ROSトピックを通じたリアルタイムデータストリーミングを実装（30–200 Hz）、生画像、深度、IMU、真値、経路データを含む。
• ハイエンドハードウェア上での実時間性能（時間要因0.92）を達成。各モジュールの平均処理時間は22–90 msであった。

実験結果

リサーチクエスチョン

• RQ1 完全に統合されたエンドツーエンドのUAVシミュレーションプラットフォームは、リアルなセンサおよび動力学的モデルを備えた視覚SLAMおよび自律航行をサポートできるか？
• RQ2 ステレオ視覚インエントリアルローカライゼーション、3次元マッピング、経路計画が、シミュレーテッド環境でどれほど効率的に同期され実行できるか？
• RQ3 このシミュレータは、最小限の人的介入でクリックアンドフライレベルの自律性をどれほど実現できるか？
• RQ4 1つのシミュレーションスタックにローカライゼーション、マッピング、計画を統合した場合の計算上のオーバーヘッドはどの程度か？
• RQ5 今後の研究およびベンチマークのための、このシミュレーションフレームワークはどれほど再利用可能で拡張可能か？

主な発見

• 中〜ハイエンドシステム上では実時間性能（時間要因0.92）を達成。低性能ハードウェア上では平均時間要因0.6を記録。
• ローカライゼーションキットは30 Hzで画像処理を実行し、平均遅延28 ms（ハイエンドでは22 ms）を記録。リアルタイムポーズ推定を実現。
• マッピング部品（グローバルマップおよびESDFプロジェクション）の平均遅延はそれぞれ26 msおよび70 msであり、動的マップ更新を可能にした。
• 計画モジュール（グローバル：90 ms、ローカル：20 ms）は100 ms未満の処理時間を達成し、リアルタイムの軌道生成を可能にした。
• UAVは未知の環境を通過し、全6つのゴールポイントに安定した位置および姿勢の軌道で到達した。
• システムは小さなピッチおよびロール角（<5°）を維持したことで、ミッション全体を通じて高い視覚的ローカライゼーション性能を示した。