[논문 리뷰] Search and Rescue under the Forest Canopy using Multiple UAVs

Yulun Tian, Katherine Liu외 5명|arXiv (Cornell University)|2019. 08. 28.

Remote Sensing and LiDAR Applications인용 수 4

한 줄 요약

이 논문은 우주선 랭리 연구소에서 실시한 실재 숲 비행을 통해 GPS가 비활성화된 상황에서의 다중 무인 항공기(UAV)를 이용한 숲 속 탐색 및 구조 활동을 위한 시스템을 제시한다. 이 시스템은 현장에서 2D 라이다를 활용해 실시간 정위치 및 지ap을 구축하고, 중앙 지상 기지에서 협업형 SLAM을 수행한다. 그룹 형태의 나무 배열을 고유한 특징으로 활용하고 사이클 일관성 있는 다중 방향 매칭 기법을 적용함으로써, 인지적 오인성( perceptual aliasing)에 강건한 루프 닫기 탐지와 정확도 향상된 데이터 연계를 달성하였다. 이는 실재 숲 환경에서의 비행 테스트를 통해 검증되었다.

ABSTRACT

We present a multi-robot system for GPS-denied search and rescue under the forest canopy. Forests are particularly challenging environments for collaborative exploration and mapping, in large part due to the existence of severe perceptual aliasing which hinders reliable loop closure detection for mutual localization and map fusion. Our proposed system features unmanned aerial vehicles (UAVs) that perform onboard sensing, estimation, and planning. When communication is available, each UAV transmits compressed tree-based submaps to a central ground station for collaborative simultaneous localization and mapping (CSLAM). To overcome high measurement noise and perceptual aliasing, we use the local configuration of a group of trees as a distinctive feature for robust loop closure detection. Furthermore, we propose a novel procedure based on cycle consistent multiway matching to recover from incorrect pairwise data associations. The returned global data association is guaranteed to be cycle consistent, and is shown to improve both precision and recall compared to the input pairwise associations. The proposed multi-UAV system is validated both in simulation and during real-world collaborative exploration missions at NASA Langley Research Center.

연구 동기 및 목표

• 시각적으로 유사한 나무들로 인해 발생하는 인지적 오인성 문제를 해결하여 숲 환경에서 신뢰할 수 있는 루프 닫기 탐지 기능을 확보한다.
• 낮은 대역폭과 간헐적인 통신 조건에서도 협업형 동시 정위치 및 지도 제작(CSLAM)을 가능하게 하기 위해, 고밀도 3D 점유 격자를 희박한 나무 기반 서브맵으로 압축한다.
• 측정 노이즈와 오인성으로 인해 발생하는 정확하지 않은 이원성 데이터 연계 문제를 해결하기 위해 사이클 일관성 있는 다중 방향 매칭 절차를 도입한다.
• GPS가 비활성화된 숲 환경에서 실시간으로 작동하는 다중 UAV 탐색 및 지도 제작을 위한 온보드 자율주행 스택을 개발한다.
• 우주선 랭리 연구소에서 실시한 실재 비행 테스트를 통해 시스템의 효과성을 입증한다.

제안 방법

• UAV 내부에서 2D 라이다 스캔을 이용해 밀도 높은 3D 점유 격자를 구축하고, EKF를 통해 국부적 경로 계획 및 상태 추정을 수행한다.
• 3D 격자에서 국부적 서브맵을 추출하고, 나무 기둥을 식별하여 희박한 나무 기반 표현으로 압축함으로써 통신 대역폭을 절감한다.
• 통신이 가능할 경우, 압축된 나무 기반 서브맵을 중앙 지상 기지로 전송하여 협업형 SLAM을 수행한다.
• 나무 그룹의 상대적 위치와 방향을 기반으로 매칭하여 루프 닫기를 탐지하며, 이는 인지적 오인성에 강건한 고유한 특징으로 기능한다.
• 초기 이원성 데이터 연계를 정밀화하기 위해 사이클 일관성 있는 다중 방향 매칭 절차를 적용하여, 최종 데이터 연계 그래프가 사이클 일관성을 확보하고 정밀도 및 재현율을 향상시킨다.
• 지상 기지에서 랜드마크 기반 SLAM을 수행하여 서브맵 기원과 글로벌 나무 위치를 동시에 최적화함으로써, 전역적으로 일관된 지도를 생성한다.

실험 결과

연구 질문

• RQ1 밀도 높은 숲 환경에서 발생하는 인지적 오인성 문제를 어떻게 완화하여 다중 UAV SLAM 시스템에서 신뢰할 수 있는 루프 닫기 탐지 기능을 확보할 수 있는가?
• RQ2 높은 측정 노이즈와 나무들 간의 시각적 유사성 존재 조건에서 서브맵 간의 효과적인 데이터 연계 방법은 무엇인가?
• RQ3 제한된 통신 조건에서 협업형 SLAM의 정확성과 신뢰성을 향상시키기 위해 사이클 일관성을 어떻게 활용할 수 있는가?
• RQ4 다중 UAV 숲 탐색 과정에서 지도의 정밀도를 유지하면서도 통신 대역폭을 최소화할 수 있는 방법은 무엇인가?
• RQ5 2D 서브맵 기반 접근 방식은 3D 숲 환경에서 얼마나 정확하게 유지될 수 있으며, 이 가정의 한계는 무엇인가?

주요 결과

• 제안된 시스템은 GPS 비활성화 조건에서 우주선 랭리 연구소의 숲 지역에서 두 대의 UAV가 자율적으로 탐색하고 협업형 지도 제작을 수행하는 데 성공하였다.
• 나무 그룹의 구성 방식을 특징으로 활용함으로써 개별 나무 매칭 대비 루프 닫기 탐지의 강건성을 크게 향상시켰으며, 인지적 오인성으로 인한 오진 탐지 수를 감소시켰다.
• 결과도 16에서 보여지듯이, 사이클 일관성 있는 다중 방향 매칭 절차는 입력된 이원성 매칭 대비 정밀도와 재현율을 모두 향상시켰다.
• CSLAM을 통해 생성된 최종 글로벌 지도에서는 서브맵 간 정확한 정렬과 일관된 나무 위치가 확보되었으며, 초기 연계에서 발생한 긴 선분(이상치)들이 성공적으로 거부되었다.
• 압축된 나무 기반 지도를 활용해 온보드에서 신뢰할 수 있는 추정 및 계획 기능을 달성하였으며, 간헐적인 통신 조건에서도 효율적인 탐색이 가능했다.
• 2D 지도 가정은 흩어진 숲 환경에서는 충분히 효과적이었지만, 향후 연구에서는 더 높은 밀도의 환경에 대한 3D 확장 방안을 탐색할 것이다.