[논문 리뷰] Vision-based Autonomous Landing in Catastrophe-Struck Environments

Mayank Mittal, Abhinav Valada외 1명|arXiv (Cornell University)|2018. 09. 15.

Robotics and Sensor-Based Localization참고 문헌 22인용 수 9

한 줄 요약

이 논문은 지진이나 폭발과 같은 재난 후 잔해 환경에서 UAV의 시각 기반 자율 착륙 시스템을 제안한다. 스테레오 깊이 맵을 사용하여 다중 요인 비용지도(평탄도, 기울기, 깊이 정확도, 에너지 소비)를 계산하고, 군집화를 통해 안전한 착륙 영역을 식별한다. 이 시스템은 실시간으로 현장에서 착륙을 가능하게 하며 최소 진동 경로를 사용하여 비정형 잔해에 안정적으로 착륙시키며, 시뮬레이션 및 실제 붕괴된 건물에서 검증되었다.

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.

연구 동기 및 목표

• 지진이나 폭발과 같은 재난 후 비정형이고 불안정한 잔해 더미에 UAV가 자율적으로 착륙할 수 있는 필수적인 요구사항을 해결한다.
• 생체 레이더를 장착한 UAV가 생존자 신호를 감지하기 위해 잔해에 안전하게 착륙시킬 수 있도록 한다.
• 사전 지도나 인프라 없이 자원 제약 조건 하에서 계산 효율성이 높고 현장에서 작동하는 시스템을 개발한다.
• 사전에 지형이나 마커에 대한 지식 없이도 동적인 시각적으로 복잡한 환경에서 견고성을 확보한다.
• 착륙 감지 기능을 실시간 3차원 재구성 및 경로 계획과 통합하여 안전하고 동적인 착륙 조작을 가능하게 한다.

제안 방법

• 스테레오 깊이 데이터에서 네 개의 개별 비용지도(깊이 정확도, 평탄도, 기울기, 착륙 에너지 소비)를 구성한다.
• 가중치 기반 융합을 통해 이 비용지도들을 조합하여 최종 의사결정 지도를 생성하고 착륙지 위험도를 평가한다.
• 최종 비용지도를 임계값 처리하고 k-d 트리 기반 局부 최적화를 적용하여 조밀한 후보 착륙 영역을 탐지한다.
• 근접한 후보 영역을 군집화(최근접 이웃 필터링)를 통해 하나의 안전한 착륙 영역으로 통합한다.
• 장애물 인식 경로 계획을 위해 저해상도 3차원 볼륨 지도(OctoMap)를 생성한다.
• UAV의 운동학적 특성과 인근 장애물을 고려하여 최소 진동 다항식 경로를 계산하여 부드럽고 안전한 착륙을 구현한다.

실험 결과

연구 질문

• RQ1 사전 지도나 마커 없이 비정형이고 불안정한 잔해 더미에서 UAV가 어떻게 안전한 착륙 영역을 자율적으로 탐지할 수 있는가?
• RQ2 재난 후 환경에서 안전한 착륙을 예측하는 데 가장 적합한 지형 및 센서 기반 요소 조합(예: 평탄도, 깊이 신뢰도, 에너지 비용)은 무엇인가?
• RQ3 임베디드 하드웨어에서 상태 추정 및 생체 레이더 처리와 함께 효율적으로 작동할 수 있는 실시간 현장 착륙 시스템을 설계할 수 있는가?
• RQ4 복잡한 초현실적 또는 실제 재난 시나리오에서 이 시스템은 어떻게 견고성과 계산 효율성을 유지하는가?
• RQ5 군집화와 경로 계획은 비정형 환경에서 착륙 안전성과 신뢰도를 얼마나 향상시킬 수 있는가?

주요 결과

• 시스템은 임베디드 CPU에서 1 프레임당 총 계산 시간 167.5 ± 61.4 ms, 메모리 사용량 193.8 ± 6.6 MB로 실시간 성능를 달성한다.
• 평탄도 비용지도 평가가 가장 시간이 오래 걸리는 구성 요소이며(91.7 ± 38.8 ms), 가장자리 감지 이미지에 대한 거리 변환 때문이므로.
• 조밀한 착륙 영역 탐지 및 군집화의 결과는 장면에 따라 영역 수가 달라지며 군집화의 O(n²) 복잡도로 인해 변동성이 크다.
• 시뮬레이션 및 실제 실험에서 시스템은 잔해 더미, 특히 가장자리 근처나 작은 잔해가 있는 屋상에서도 안전한 착륙 영역을 성공적으로 탐지했다.
• 시스템은 붕괴된 구조물에 UAV가 자율적으로 착륙할 수 있도록 하였으며, 가스 폭발 및 지진 시나리오에서 이를 입증하였다.
• 텍스처가 있는 3차원 메시 재구성과 OctoMap의 통합은 실시간으로 구조 분석과 안전한 경로 계획을 동시에 가능하게 하였다.