[論文レビュー] Vision-based Autonomous Landing in Catastrophe-Struck Environments

Mayank Mittal, Abhinav Valada+1 more|arXiv (Cornell University)|Sep 15, 2018

Robotics and Sensor-Based Localization参考文献 22被引用数 9

ひとこと要約

本論文は、崩壊した建物環境におけるUAVの視覚ベースの自律着陸システムを提示する。ステレオ深度マップを用いて、平坦性、傾斜、深度精度、エネルギー消費量といった複数要因のコストマップを計算し、クラスタリングを用いて安全な着陸領域を同定する。本システムは、未構造的で不規則な瓦礫上でもリアルタイムで搭載型の着陸を可能とし、最小ジャージャー軌道を用いる。シミュレーションおよび実際の崩壊建物で検証済み。

ABSTRACT

Unmanned Aerial Vehicles (UAVs) equipped with bioradars are a life-saving technology that can enable identification of survivors under collapsed buildings in the aftermath of natural disasters such as earthquakes or gas explosions. However, these UAVs have to be able to autonomously land on debris piles in order to accurately locate the survivors. This problem is extremely challenging as the structure of these debris piles is often unknown and no prior knowledge can be leveraged. In this work, we propose a computationally efficient system that is able to reliably identify safe landing sites and autonomously perform the landing maneuver. Specifically, our algorithm computes costmaps based on several hazard factors including terrain flatness, steepness, depth accuracy and energy consumption information. We first estimate dense candidate landing sites from the resulting costmap and then employ clustering to group neighboring sites into a safe landing region. Finally, a minimum-jerk trajectory is computed for landing considering the surrounding obstacles and the UAV dynamics. We demonstrate the efficacy of our system using experiments from a city scale hyperrealistic simulation environment and in real-world scenarios with collapsed buildings.

研究の動機と目的

• 地震や爆発などの災害後に生じる未構造的で不安定な瓦礫の上に、UAVが自律的に着陸するという重要なニーズに対応する。
• バイオレーダーを装備したUAVが、生存者の生命徴を検出するためのバイオレーダ信号を受信できるように、瓦礫上に安全に着陸できるようにする。
• 事前の地図やインfrastrucureがなく、リソース制約下でも動作する、計算効率の良い搭載型システムを構築する。
• 事前の地形やマーカーの知識なしに、動的で視覚的に複雑な環境においても耐性を確保する。
• 着陸検出をリアルタイム3D再構成および軌道計画と統合し、安全で動的な着陸動作を実現する。

提案手法

• ステレオ深度データから4つの個別のコストマップ（深度精度、平坦性、傾斜、着陸に要するエネルギー消費）を構築する。
• 重み付き統合を用いてこれらのコストマップを統合し、着陸地点のリスクを評価する最終意思決定マップを生成する。
• 最終コストマップのしきい値処理とk-dツリーによる局所最適化を用いて、密集した候補着陸地点を検出する。
• 近接する候補地点をグループ化するためのクラスタリング（近隣フィルタリング）を適用し、1つの安全な着陸領域を形成する。
• 障害物を考慮した軌道計画のため、低解像度の3Dボリュームマップ（OctoMap）を生成する。
• UAVの運動特性と周囲の障害物を考慮した最小ジャージャー多項式軌道を計算し、滑らかで安全な降下を実現する。

実験結果

リサーチクエスチョン

• RQ1 事前の地図やマーカーなしに、未構造的で不安定な瓦礫の上に、UAVが安全な着陸地点を自律的に検出する方法は何か？
• RQ2 地形的およびセンサーベースの要因（例：平坦性、深度の信頼性、エネルギーコスト）のうち、災害後環境における安全な着陸を最もよく予測するのはどれか？
• RQ3 埋め込みハードウェア上で状態推定とバイオレーダ処理と並行して効率的に実行できるリアルタイム搭載型着陸システムを設計できるか？
• RQ4 複雑でハイパーリアリスティックまたは実際の災害シナリオにおいて、本システムはどのようにして耐性と計算効率を維持するか？
• RQ5 クラスタリングと軌道計画を統合することで、未構造的環境における着陸の安全性と信頼性はどの程度向上するか？

主な発見

• 本システムは、埋め込みCPU上で1フレームあたり167.5 ± 61.4 msの計算時間と193.8 ± 6.6 MBのメモリ使用量でリアルタイム性能を達成した。
• 平坦性コストマップの評価が最も計算時間がかかり（91.7 ± 38.8 ms）、エッジ検出画像における距離変換が原因である。
• 密集した着陸地点検出とクラスタリングには、シーン依存のサイト数とO(n²)の複雑性のため、高いばらつきが生じた。
• シミュレーションおよび実世界のテストにおいて、本システムは瓦礫の上、特に縁や小さな瓦礫がある屋上など、安全な着陸地点を正常に検出できた。
• 本システムにより、ガス爆発や地震を想定したシナリオにおいて、UAVが崩壊構造物に自律的に着陸できるようになった。
• テクスチャ付き3Dメッシュ再構成とOctoMapの統合により、リアルタイムでの構造的解析と安全な経路計画が可能になった。