[論文レビュー] TTM: Terrain Traversability Mapping for Autonomous Excavator Navigation in Unstructured Environments.

Tianrui Guan, Zhenpeng He+2 more|arXiv (Cornell University)|Sep 13, 2021

Robot Manipulation and Learning参考文献 32被引用数 14

ひとこと要約

本論文では、構造化されていない環境における自律掘削機のための、RGB画像と3D点群を融合して地形の走破可能性を推定するリアルタイムで学習ベースの手法であるTerrain Traversability Mapping (TTM) を提案する。掘削機固有の物理的制約を統合し、地図を動的に更新することで、深い穴や岩だらけの場所など複雑な地形において、従来手法比で経路計画の成功確率が49.3%向上する。

ABSTRACT

We present Terrain Traversability Mapping (TTM), a real-time mapping approach for terrain traversability estimation and path planning for autonomous excavators in an unstructured environment. We propose an efficient learning-based geometric method to extract terrain features from RGB images and 3D pointclouds and incorporate them into a global map for planning and navigation for autonomous excavation. Our method used the physical characteristics of the excavator, including maximum climbing degree and other machine specifications, to determine the traversable area. Our method can adapt to changing environments and update the terrain information in real-time. Moreover, we prepare a novel dataset, Autonomous Excavator Terrain (AET) dataset, consisting of RGB images from construction sites with seven categories according to navigability. We integrate our mapping approach with planning and control modules in an autonomous excavator navigation system, which outperforms previous method by 49.3% in terms of success rate based on existing planning schemes. With our mapping the excavator can navigate through unstructured environments consisting of deep pits, steep hills, rock piles, and other complex terrain features.

研究の動機と目的

• 構造化されていない建設現場における複雑な地形特徴を有する環境での自律ナビゲーションの課題に対処すること。
• 視覚的および幾何的データを用いて地形走破可能性を推定するリアルタイムで適応可能なマッピングシステムの開発。
• 自律掘削機の運用における地形走破可能性推定を計画および制御と統合すること。
• 深い穴、急勾配、岩だらけの場所など、挑戦的な環境における経路計画の成功確率の向上。

提案手法

• TTMは、RGB画像および3D点群から地形特徴を抽出する学習ベースの幾何的手法を用いる。
• 最大登坂度などの掘削機固有の物理的制約を、走破可能性推定プロセスに組み込む。
• 環境の変化を反映するために、リアルタイムで更新されるグローバルな走破可能性マップを維持する。
• 学習および評価のための新しいデータセットである、7つの走破性カテゴリを有するAutonomous Excavator Terrain (AET) を作成した。
• マッピングフレームワークを、完全な自律ナビゲーションシステム内の計画および制御モジュールと統合した。
• 運用中に変化する地形状態に応じた動的適応を可能にする。

実験結果

リサーチクエスチョン

• RQ1 構造化されていない建設現場において、RGBおよび3Dデータからリアルタイムで地形走破可能性を正確に推定する方法は何か？
• RQ2 掘削機固有の物理的制約が走破可能領域を定義する上で果たす役割は何か？
• RQ3 リアルタイムでのマップ更新は、動的で複雑な環境におけるナビゲーション性能をどのように向上させるか？
• RQ4 提案されたTTM手法は、構造化されていない地形において、既存の計画手法をどの程度上回るか？

主な発見

• TTMは、既存の計画手法と比較して、自律掘削機のナビゲーション成功確率を49.3%向上させた。
• 本手法は、深い穴、急勾配、岩だらけの場所など複雑な構造化されていない地形を効果的に走破可能にした。
• AETデータセットは、地形評価のための包括的なベンチマークを提供し、7つの走破性カテゴリを有する。
• 走破可能性マップに物理的マシン制約を統合することで、計画の信頼性と安全性が向上した。
• リアルタイムでのマップ更新により、運用中の環境変化にシステムが適応できるようになった。
• RGBおよび3Dデータからの学習ベースの特徴抽出により、広範な手動アノテーションを必要とせず、頑健な地形理解が可能になった。