[論文レビュー] Sparse 3D Topological Graphs for Micro-Aerial Vehicle Planning

Helen Oleynikova, Zachary Taylor+2 more|arXiv (Cornell University)|Mar 12, 2018

Robotic Path Planning Algorithms参考文献 17被引用数 5

ひとこと要約

本論文は、マイクロ・エアリアル ベーリクル（MAV）の経路計画を目的として、ノイズの多いRGB-Dセンサデータからスパースでノイズに強い3次元トポロジカルグラフを生成する手法を提案する。ESDF（ユークリッド符号付き距離フィールド）から3次元一般化ボロノイ図（GVD）を構築し、スプライスなスケルトンを抽出し、それをもとにスパースなグラフを適合させることで、RRT*と比較して最大800倍高速なグローバル計画を実現しながら、トポロジカルな接続性と障害物回避を維持する。

ABSTRACT

Micro-Aerial Vehicles (MAVs) have the advantage of moving freely in 3D space. However, creating compact and sparse map representations that can be efficiently used for planning for such robots is still an open problem. In this paper, we take maps built from noisy sensor data and construct a sparse graph containing topological information that can be used for 3D planning. We use a Euclidean Signed Distance Field, extract a 3D Generalized Voronoi Diagram (GVD), and obtain a thin skeleton diagram representing the topological structure of the environment. We then convert this skeleton diagram into a sparse graph, which we show is resistant to noise and changes in resolution. We demonstrate global planning over this graph, and the orders of magnitude speed-up it offers over other common planning methods. We validate our planning algorithm in real maps built onboard an MAV, using RGB-D sensing.

研究の動機と目的

• 実世界のノイズの多い環境で動作するMAVに適した、ロバストでスパースな3次元トポロジカルマップ表現の欠如を解決すること。
• 実際のセンサデータから構築された高密度3次元ボクセルマップから、トポロジカルに正確でノイズに強いスケルトンを抽出する手法を開発すること。
• 接続性と障害物回避を維持しながら、超高速なグローバル計画を可能にするスパースなグラフ表現を構築すること。
• 搭載されたRGB-Dセンシングを用いた実世界のMAV飛行実験を通じて、本手法の実現可能性と性能を実証すること。
• 産業点検や救助活動などのマルチセッションミッションにおける、迅速な初期経路計画を可能にすること。

提案手法

• voxbloxライブラリを用いて、ノイズの多いRGB-Dセンサデータから高密度3次元ユークリッド符号付き距離フィールド（ESDF）を構築する。
• グラフィックススケルトン化の文献にインspiredした手法を用いて、ESDFから3次元一般化ボロノイ図（GVD）または中間軸を抽出する。
• GVDの中央リッジのみを保持することで、1ボクセル幅の薄いスケルトン図を生成し、トポロジカル構造を表現する。
• スケルトン図にスパースで直線で接続されたグラフを適合させ、トポロジカルな接続性と幾何的単純性を保証する。
• 得られたスパースグラフを用いて効率的なA*ベースのグローバル計画を実行し、その後で多項式最適化による動的実行可能性の精錬を実施する。
• 初期MAV探査後にオフラインでマップを処理し、再計画時の高速応答を実現するトポロジカルグラフを生成する。

実験結果

リサーチクエスチョン

• RQ1 ノイズの多い実際の3次元センサデータから、環境の航行可能な空間を表現する信頼性の高い3次元トポロジカルグラフを抽出できるか？
• RQ2 本手法は、実世界のMAVマッピングにおけるセンサノイズやボクセル解像度の変動に対してどの程度頑健か？
• RQ3 従来の手法（例：RRT* や ESDF 上の A*）と比較して、スパースなトポロジカルグラフはグローバル経路計画をどの程度高速化できるか？
• RQ4 初期計画後に得られるグラフは、高品質で動的実行可能な軌道をサポートできるか？
• RQ5 搭載されたセンシングと計算を用いた埋め込みMAVハードウェア上で、本手法はリアルタイム展開に適しているか？

主な発見

• スパースグラフ上での計画時間は3.28 msに達し、30 m × 30 m の迷路環境で初期のRRT*解（2.5 s）と比較して800倍の高速化を達成した。
• RRT Connect（0.153 s）と比較しても50倍高速であり、複数の手法にわたる一貫した性能向上を示した。
• スパースグラフ手法は86.178 mの経路長を生成したが、これは最短経路（RRT*による62.079 m）よりわずかに長かったが、最大クリアランス経路であった。
• シミュレーションおよび実世界のマップを用いた定量的評価により、ノイズおよび解像度の変化に対しても本手法が頑健であることが実証された。
• 実際の20 m × 22 mのマップから、搭載されたMAVコンピュータ上でスパースグラフを2.13秒で生成したため、リアルタイム展開の可能性が確認された。
• 実飛行実験では、本手法が迅速な初期経路計画（図1の黄色）を可能にした後、動的実行可能性と衝突回避の最適化（赤）を実施し、エンドツーエンドの適用可能性を実証した。