[論文レビュー] Robust Vision-based Obstacle Avoidance for Micro Aerial Vehicles in Dynamic Environments

Jiahao Lin, Hai Zhu+1 more|arXiv (Cornell University)|Feb 12, 2020

Robotic Path Planning Algorithms参考文献 26被引用数 6

ひとこと要約

本稿では、ステレオ深度センシングとチャンス制約付きモデル予測制御（CC-MPC）を用いて、動的環境下でのマイクロエアロダルビークル（MAVs）のオンボードビジョンベース障害物回避システムを提示する。深度画像から移動障害物を3次元楕円体として検出・追跡し、その位置、速度、不確実性を推定し、CC-MPCを用いて衝突確率を所定のしきい値未満に保つ、動的に行なえるロバストな軌道を生成する。四脚クアッドコプター上で2.4 m/sの速度で実時間性能を達成し、障害物処理に8 ms、MPC実行時間に16 msを要する。

ABSTRACT

In this paper, we present an on-board vision-based approach for avoidance of moving obstacles in dynamic environments. Our approach relies on an efficient obstacle detection and tracking algorithm based on depth image pairs, which provides the estimated position, velocity and size of the obstacles. Robust collision avoidance is achieved by formulating a chance-constrained model predictive controller (CC-MPC) to ensure that the collision probability between the micro aerial vehicle (MAV) and each moving obstacle is below a specified threshold. The method takes into account MAV dynamics, state estimation and obstacle sensing uncertainties. The proposed approach is implemented on a quadrotor equipped with a stereo camera and is tested in a variety of environments, showing effective on-line collision avoidance of moving obstacles.

研究の動機と目的

• オンボードビジョンセンサのみを用いて、動的環境下のマイクロエアロダルビークル（MAVs）の安全で実時間なナビゲーションを可能にすること。
• 障害物検出およびMAV状態推定におけるセンシングと状態推定の不確実性に対処し、ロバストな衝突回避を実現すること。
• リソース制約のあるMAVs上で実時間動作が可能な、障害物検出、状態推定、軌道計画を統合した、計算効率の良いオンボードシステムを開発すること。
• 不確実性を考慮したチャンス制約を定式化することで、衝突確率をユーザが定義したしきい値未満に保つことで、確率的安心性を確保すること。

提案手法

• システムはステレオカメラデータを用いて深度画像とU-depthマップを生成し、障害物検出と追跡に用いる。
• 障害物は3次元楕円体としてモデル化され、60 Hzで実行される高速なオンボードアルゴリズムを用いて、その位置、速度、不確実性が推定される。
• ビジュアルインertリアルオドメトリ（VIO）がMAVの姿勢と不確実性推定値を提供し、障害物状態推定値と統合される。
• チャンス制約付きモデル予測制御器（CC-MPC）が、MAVおよび障害物の状態推定不確実性を考慮した動的に行なえる軌道を生成するように定式化される。
• CC-MPCは、最適化に不確実性共分散を組み込むことで、任意の移動障害物との衝突確率が所定のしきい値未満に保たれることを保証する。
• 障害物検出、追跡、MPCの全パイプラインが、計算リソースが限られたクアッドコプターに実装され、実時間性能が達成されている。

実験結果

リサーチクエスチョン

• RQ1 オンボードステレオビジョンのみを用いて、移動障害物をリアルタイムに正確に検出・追跡することは可能か？
• RQ2 障害物センシングとMAV状態推定の不確実性を効果的にモデル化し、ロバストな衝突回避のための軌道計画器に統合することは可能か？
• RQ3 チャンス制約付きモデル予測制御器（CC-MPC）は、不確実性を考慮した上で、実時間性能を維持しながら安全で動的に行なえる軌道を生成できるか？
• RQ4 実際に動く人間を含む動的環境下で、どのような性能と安全性（最小分離距離と実行時間）が達成可能か？

主な発見

• 障害物検出および追跡アルゴリズムの平均計算時間は1フレームあたり8 msであり、60 Hzでの実時間動作が可能であることが確認された。
• CC-MPCフレームワークの平均実行時間は1制御サイクルあたり16 msであり、オンボードプロセッサ上で実時間実行が可能であることが確認された。
• 2名の歩行する人間（約1.2 m/s）を含む実験では、最小安全距離0.4 mを維持し、すべての衝突を回避した。
• 障害物の位置推定誤差は平均0.28–0.25 mであり、速度推定誤差は最大0.5 m/sであった。これは不確実性を考慮した制御の必要性を裏付けた。
• MAVは静的および動的障害物を含む狭い通路を2.4 m/sの速度で航行し、複雑な環境下でもロバスト性を示した。
• 障害物検出および追跡の75パーセンタイル実行時間は8 ms未満、MPCの75パーセンタイル実行時間は22 ms未満であり、実時間実行可能性が確認された。