[논문 리뷰] Robust Monocular Flight in Cluttered Outdoor Environments

Shreyansh Daftry, Sam Zeng외 5명|arXiv (Cornell University)|2016. 04. 16.

Robotics and Sensor-Based Localization인용 수 23

한 줄 요약

이 논문은 단일 카메라에서 실시간으로 반밀도 깊이 추정을 수행하고 풍압에 강한 LQR 제어 방식을 사용하여, 혼잡한 실외 숲에서 민첩한 4축 항공기의 강력한 단안 비행 시스템을 제안한다. 직접 시각 옹도메트리와 다중 깊이 예측, 적응형 풍속 모델링을 융합함으로써, 간섭 전 평균 비행 거리가 580m에 이르며 최고 시속 1.5m로 안정적이고 고속의 자율 비행을 달성하였으며, 단일 예측 기반 기준 대비 78% 향상된 성능을 기록하였다.

ABSTRACT

Recently, there have been numerous advances in the development of biologically inspired lightweight Micro Aerial Vehicles (MAVs). While autonomous navigation is fairly straight-forward for large UAVs as expensive sensors and monitoring devices can be employed, robust methods for obstacle avoidance remains a challenging task for MAVs which operate at low altitude in cluttered unstructured environments. Due to payload and power constraints, it is necessary for such systems to have autonomous navigation and flight capabilities using mostly passive sensors such as cameras. In this paper, we describe a robust system that enables autonomous navigation of small agile quad-rotors at low altitude through natural forest environments. We present a direct depth estimation approach that is capable of producing accurate, semi-dense depth-maps in real time. Furthermore, a novel wind-resistant control scheme is presented that enables stable way-point tracking even in the presence of strong winds. We demonstrate the performance of our system through extensive experiments on real images and field tests in a cluttered outdoor environment.

연구 동기 및 목표

• 단일 카메라만을 사용하여 구조적이지 않은 숲 환경에서 경량 MAV의 고속 자율 비행을 가능하게 하기 위해.
• 제한된 페이로드와 계산 자원을 가진 조건에서 동적인 전방 비행 시나리오에서 정확하고 실시간으로 깊이 추정을 수행하는 데 도전하기 위해.
• 강한 돌풍 조건에서도 안정적인 웨이포인트 추적을 유지할 수 있는 풍압에 강한 제어 시스템을 개발하기 위해.
• 깊이 추정 불확실성으로 인한 충돌률을 줄이기 위해 다중이고 다양한 깊이 예측을 활용하기 위해.

제안 방법

• 전방 운동과 큰 회전 조건에서도 15Hz로 깊이 맵을 추정할 수 있도록 리만 다양체 위에서의 반밀도 직접 시각 옹도메트리 방법을 적용한다.
• 리만 군에서의 시각-자이로스코픽 융합을 통해 고역동 조건에서도 추적의 강성을 향상시킨다.
• 학습된 시스템 모델을 도입하여 풍속 추정 및 보정을 수행함으로써 실시간으로 예측을 조정할 수 있는 적응형 LQR 제어를 구현한다.
• 불확실성을 다루기 위해 다중 깊이 예측을 생성함으로써 유령 장애물로 인한 오진 검출을 감소시킨다.
• 재래도 제어를 사용한 반응형 장애물 회피와 사전 계획된 경로 계획을 융합한다.
• 다양한 나무 밀도를 가진 혼잡한 숲 환경에서 총 2km에 이르는 실세계 비행 테스트를 통해 시스템을 검증하였다.

실험 결과

연구 질문

• RQ1 구조적이지 않은 숲에서 고속 전방 비행 중 단일 카메라 시스템이 실시간으로 정확한 반밀도 깊이 맵을 생성할 수 있는가?
• RQ2 깊이 추정 불확실성을 효과적으로 관리하여 오진 장애물 감지와 비행 충돌을 줄일 수 있는가?
• RQ3 학습된 풍속 모델이 돌풍이 강한 외부 조건에서의 과격한 비행 중 제어 안정성을 얼마나 향상시킬 수 있는가?
• RQ4 다중 깊이 예측 통합이 단일 예측 접근 방식에 비해 비행 자율성에 얼마나 기여하는가?
• RQ5 순수하게 단안 시각 기반 시스템이 활성 센서 없이도 혼잡한 숲에서 장시간에 걸쳐 강력한 자율 비행을 달성할 수 있는가?

주요 결과

• 시스템은 간섭 전 평균 비행 거리가 580m에 이르며, 저밀도 숲 지역에서 단일 예측 기반 기준 대비 78% 향상된 성능을 기록하였다.
• 고밀도 지역에서는 시스템이 반응형 제어 방법보다 6배 더 멀리 비행함으로써 정확한 깊이 맵의 가치를 입증하였다.
• 바람 보정 후 평균 속도 오차가 0에서 크게 벗어나 있던 상태에서 0을 중심으로 수렴하게 되어 추적 안정성이 향상되었다.
• 바람 보정 모델은 풍우 조건에서 비행 테스트 데이터의 70%에서 원본 모델보다 우수한 성능을 보였으며, 이는 더 높은 강성 확보를 확인하였다.
• 실세계에서 다양한 밀도의 숲에서 총 2km 비행 중 530개 이상의 나무를 성공적으로 회피함으로써 장기적 자율성의 타당성을 검증하였다.
• 다중 깊이 예측은 불확실성으로 인한 충돌 수를 크게 감소시켜 깊이 추정의 모호성 처리 전략의 효과성을 확인하였다.