[논문 리뷰] End-to-End UAV Simulation for Visual SLAM and Navigation

Shengyang Chen, Han Chen외 3명|arXiv (Cornell University)|2020. 12. 01.

Robotics and Sensor-Based Localization참고 문헌 31인용 수 8

한 줄 요약

이 논문은 시각 SLAM 및 자율 주행을 위한 맞춤형 뷰어 기반 UAV 시뮬레이션 프레임워크를 제안하며, 스테레오 시각-자이로스코픽 위치 추정, 3D 맵핑, 경로 계획을 통합하여 클릭 앤 플라이 수준의 자율 주행을 실현한다. 실시간 성능과 연구 및 교육을 위한 오픈소스 툴킷을 제공한다.

ABSTRACT

Visual Simultaneous Localization and Mapping (v-SLAM) and navigation of multirotor Unmanned Aerial Vehicles (UAV) in an unknown environment have grown in popularity for both research and education. However, due to the complex hardware setup, safety precautions, and battery constraints, extensive physical testing can be expensive and time-consuming. As an alternative solution, simulation tools lower the barrier to carry out the algorithm testing and validation before field trials. In this letter, we customize the ROS-Gazebo-PX4 simulator in deep and provide an end-to-end simulation solution for the UAV v-SLAM and navigation study. A set of localization, mapping, and path planning kits were also integrated into the simulation platform. In our simulation, various aspects, including complex environments and onboard sensors, can simultaneously interact with our navigation framework to achieve specific surveillance missions. In this end-to-end simulation, we achieved click and fly level autonomy UAV navigation. The source code is open to the research community.

연구 동기 및 목표

• 시각 SLAM 및 주행 연구를 위한 물리적 UAV 테스트의 높은 비용과 위험을 해결하기 위해.
• 현장 배포 이전에 전체 스택 알고리즘 테스트를 지원하는 유연하고 재구성 가능한 시뮬레이션 환경을 제공하기 위해.
• perception, 위치 추정, 맵핑, 계획 기능을 하나의 시뮬레이션 파이프라인에 통합하여 클릭 앤 플라이 수준의 자율 주행을 실현하기 위해.
• 모든 시뮬레이션 자산, 위치 추정, 맵핑, 계획 툴킷을 오픈소스로 공개하여 재현 가능한 연구를 지원하기 위해.
• 표준화되고 확장 가능한 시뮬레이션 프레임워크를 통해 자율 UAV 시스템의 교육 및 개발을 촉진하기 위해.

제안 방법

• 세부적인 3D 시뮬레이션 월드, UAV 모델, 스테레오 카메라 센서를 갖춘 커스터마이즈된 ROS-Gazebo-PX4 시뮬레이터를 구축하였다.
• 캘리브레이션된 카메라 내부 및 외부 파rameter를 사용한 스테레오 시각-자이로스코픽 자세 추정 킷을 통합하였다: $[f_x, f_y, c_x, c_y] = [343.4963, 343.4963, 320, 180]$, 기준거리 0.05m 및 IMU-카메라 정렬을 포함한다.
• 0.2m 해상도와 181,500个体의 볼륨으로 구성된 3D 점유율 볼륨 맵핑 시스템을 구현하였으며, 효율적인 맵 표현을 위해 유클리드 부호 거리 필드(ESDF)를 사용하였다.
• 하이브리드 경로 계획 스택을 통합: 격자 맵 기반 JPS를 통한 글로벌 계획 및 Fuxi-Planner를 통한 로컬 계획을 통해 PX4에 속도 명령을 생성하였다.
• ROS 토픽을 통한 실시간 데이터 스트리밍을 구현하였으며, 주파수 30–200 Hz 범위에서 원시 이미지, 깊이, IMU, 참조값, 경로 데이터를 포함하였다.
• 고성능 하드웨어에서 시간 요인 0.92로 실시간 시뮬레이션 성능을 달성하였으며, 각 모듈의 평균 처리 시간은 22–90 ms였다.

실험 결과

연구 질문

• RQ1 완전히 통합된 종단 간 UAV 시뮬레이션 플랫폼이 현실적인 센서 및 동역학 모델링을 통해 시각 SLAM 및 자율 주행을 지원할 수 있는가?
• RQ2 스테레오 시각-자이로스코픽 위치 추정, 3D 맵핑, 경로 계획이 시뮬레이션 환경에서 얼마나 효율적으로 동기화되고 실행될 수 있는가?
• RQ3 이 시뮬레이터가 최소한의 인간 간섭으로 클릭 앤 플라이 수준의 자율 주행을 얼마나 잘 지원하는가?
• RQ4 한 개의 시뮬레이션 스택에 위치 추정, 맵핑, 계획 기능을 통합함으로써 발생하는 계산 성능 오버헤드는 어느 정도인가?
• RQ5 향후 연구 및 벤치마킹을 위해 이 시뮬레이션 프레임워크는 얼마나 재사용 가능하고 확장 가능한가?

주요 결과

• 중급에서 고성능 시스템에서 실시간 성능(시간 요인 0.92)을 달성하였으며, 저성능 하드웨어에서는 평균 시뮬레이션 시간 요인 0.6을 기록하였다.
• 위치 추정 킷은 30 Hz에서 이미지 처리를 수행하였으며 평균 지연 28 ms(고성능 시스템 기준 22 ms)를 기록하여 실시간 자세 추정을 지원하였다.
• 맵핑 구성요소—전체 맵 및 ESDF 투영—의 평균 지연은 각각 26 ms 및 70 ms였으며, 동적 맵 업데이트를 가능케 하였다.
• 계획 모듈—글로벌(90 ms), 로컬(20 ms)—은 모두 100 ms 이내의 처리 시간을 기록하여 실시간 경로 생성을 지원하였다.
• UAV는 미지의 환경을 성공적으로 통과하여 여섯 개의 목표 지점에 안정적인 위치 및 자세 궤적을 유지하며 도달하였다.
• 시스템은 작은 피치 및 롤 각도(<5°)를 유지하여 미션 전반에 걸쳐 높은 시각 위치 추정 성능을 보였다.