[論文レビュー] Multiresolution Mapping and Informative Path Planning for UAV-based Terrain Monitoring

Marija Popović, Teresa Vidal‐Calleja+4 more|arXiv (Cornell University)|Mar 8, 2017

Robotics and Sensor-Based Localization参考文献 17被引用数 4

ひとこと要約

本論文は、農業バイオマスを効率的にモニタリングするための、マルチスケールガウス過程ベースのマッピングと情報的経路計画フレームワークを提案する。高さに依存するセンサーモデルを用いた可変解像度の航空画像の融合により、定常時間でのマップ更新が可能となり、CMA-ESを用いた3次元経路最適化により、シミュレーションでラawn mower被覆法と比較して平均誤差を最大45％まで低減した。また、マルチローター上でリアルタイム性能を示した。

ABSTRACT

Unmanned aerial vehicles (UAVs) can offer timely and cost-effective delivery of high-quality sensing data. How- ever, deciding when and where to take measurements in complex environments remains an open challenge. To address this issue, we introduce a new multiresolution mapping approach for informative path planning in terrain monitoring using UAVs. Our strategy exploits the spatial correlation encoded in a Gaussian Process model as a prior for Bayesian data fusion with probabilistic sensors. This allows us to incorporate altitude-dependent sensor models for aerial imaging and perform constant-time measurement updates. The resulting maps are used to plan information-rich trajectories in continuous 3-D space through a combination of grid search and evolutionary optimization. We evaluate our framework on the application of agricultural biomass monitoring. Extensive simulations show that our planner performs better than existing methods, with mean error reductions of up to 45% compared to traditional "lawnmower" coverage. We demonstrate proof of concept using a multirotor to map color in different environments.

研究の動機と目的

• 複雑で空間相関のある環境におけるデータ収集の最適化により、UAVベースの地形モニタリングの効率を向上させること。
• 高さに依存する不確実性を伴うマルチスケール航空画像を、1つの確率的マップに効率的に統合する課題に対処すること。
• 解像度、視野、リソース制約のバランスを取った、リアルタイムで情報豊富な経路計画を可能にすること。
• マルチローターUAVを用いた室内実験とシミュレーションを用いて、フレームワークの妥当性を検証すること。
• 農業を越えて、ガス濃度や標高など、スカラー場マッピングの他のタスクへの適用可能性を示すこと。

提案手法

• バイオマスのような連続的スカラー場における空間相関を表現するため、ガウス過程（GPs）を事前分布として用いる。
• 高さに依存するセンサーモデルを用いたベイズ統合により、逐次測定を用いて定常時間でのマップ更新を可能にする。
• 候補経路の初期化に3次元グリッドサーチを適用し、その後CMA-ESを用いた進化的最適化により情報量の増加を最大化する。
• 現実的なセンサーダイナミクスのパrametrizationを導入し、高不稔性（高不確実性）領域への適応的フォーカスを実現する。
• 室内実験では、ビデオカメラを用いたリアルタイムの色の飽和度マッピングを実施し、植生検出を模擬した。
• GPトレーニングにはマテルンカーネルを用い、利得関数を不確実性の低減としきい値を設定したバイオマスレベルに基づいて定義する。

実験結果

リサーチクエスチョン

• RQ1 解像度と不確実性が異なるマルチスケール航空画像を、1つの確率的マップに効率的に統合する方法は何か？
• RQ2 GPsを事前分布として用いることで、複雑で空間相関のある環境におけるUAVベースの地形モニタリングの正確性と効率性は向上するか？
• RQ3 3次元経路の進化的最適化は、従来の被覆パターンと比較して、情報量の増加と誤差低減の観点で優れているか？
• RQ4 限られた計算リソースとバッテリ容量のもとで、このフレームワークはどれほどリアルタイムに動作できるか？
• RQ5 この手法は、農業を越えて、他のスカラー場モニタリングタスクにも一般化可能か？

主な発見

• 提案された計画法は、シミュレーションで従来のラウンジマウザー被覆法と比較して、平均誤差を最大45％まで低減した。
• CMA-ESは他の最適化手法を上回り、30回の試行において不確実性と誤差指標が最小となった。
• DJI Matrice 100を用いたリアルタイム実験では、深度カメラとViconベースの状態推定を用いて、塗装された緑色シートのマッピングに成功した。
• すべてのテストシナリオにおいて不確実性が著しく低下し、高情報量領域に焦点を当てるフレームワークの有効性が検証された。
• 計画時間を含めた状態でもリアルタイム性能を維持したため、自律運用の可能性が確認された。
• この手法は空間相関を効果的に捉え、視野が限られている状況でも可変解像度の測定に適応した。