[논문 리뷰] ROG-Map: An Efficient Robocentric Occupancy Grid Map for Large-scene and High-resolution LiDAR-based Motion Planning

Yunfan Ren, Yixi Cai외 3명|arXiv (Cornell University)|2023. 02. 28.

Robotic Path Planning Algorithms인용 수 5

한 줄 요약

ROG-Map는 로봇 중심의 고해상도 국소 지ap을 유지하기 위해 제로 코피 슬라이딩 전략을 사용하는 계산적으로 효율적인 로봇 중심 점유 격자 지도(OGM)이다. 이는 대규모 고해상도 LiDAR 기반 운동 계획에서 실시간 성능을 가능하게 하며, 50 Hz에서 1 프레임당 업데이트에 29.8%의 시간을 소비하고, 장애물 팽창에 전용으로 0.33%만 할애함으로써 복잡한 환경에서 뛰어난 효율성과 실생활 적용 가능성을 입증한다.

ABSTRACT

Recent advances in LiDAR technology have opened up new possibilities for robotic navigation. Given the widespread use of occupancy grid maps (OGMs) in robotic motion planning, this paper aims to address the challenges of integrating LiDAR with OGMs. To this end, we propose ROG-Map, a uniform grid-based OGM that maintains a local map moving along with the robot to enable efficient map operation and reduce memory costs for large-scene autonomous flight. Moreover, we present a novel incremental obstacle inflation method that significantly reduces the computational cost of inflation. The proposed method outperforms state-of-the-art (SOTA) methods on various public datasets. To demonstrate the effectiveness and efficiency of ROG-Map, we integrate it into a complete quadrotor system and perform autonomous flights against both small obstacles and large-scale scenes. During real-world flight tests with a 0.05 m resolution local map and 30mx30mx12m local map size, ROG-Map takes only 29.8% of frame time on average to update the map at a frame rate of 50 Hz (\ie, 5.96 ms in 20 ms), including 0.33% (i.e., 0.66 ms) to perform obstacle inflation, demonstrating outstanding real-world performance. We release ROG-Map as an open-source ROS package to promote the development of LiDAR-based motion planning.

연구 동기 및 목표

• 대규모 고해상도 LiDAR 환경에서 전통적인 균일 격자 기반 OGM의 높은 계산 및 메모리 비용을 해결하기 위해.
• 장애물이 풍부한 복잡한 환경에서 운영되는 자율 드론을 위한 실시간 지도 업데이트 및 장애물 팽창을 가능하게 하기 위해.
• 현장 자원 사용을 최소화하면서도 고해상도와 성능을 유지하는 시스템을 개발하기 위해.
• 현장 센서 및 제어를 갖춘 온보드에서의 전면 자율 큐브로터 비행에서 실시간 고해상도 OGM의 실현 가능성을 입증하기 위해.

제안 방법

• ROG-Map는 제로 코피 지도 슬라이딩 전략을 사용하여 로봇 중심에 위치한 국소 지도를 동적으로 유지하는 균일 격자 기반 OGM을 활용한다. 이는 메모리 및 계산 오버헤드를 감소시킨다.
• 변경된 격자에 대해서만 작동하는 새로운 점진적 장애물 팽창 방법을 도입하여, 복잡도를 변경된 격자 수에 대해 O(n)으로 감소시킨다.
• 점유 상태 전이를 활용해 변화하지 않은 격자에 대해 다시 팽창을 계산하지 않음으로써 정확도를 훼손하지 않으면서도 팽창 속도를 크게 향상시킨다.
• 실제 환경 검증을 위해 온보드 LiDAR, 계산 장치 및 제어 시스템을 갖춘 완전한 큐브로터 플랫폼에 통합되었다.
• ROG-Map는 LiDAR 기반 운동 계획 연구 분야의 광범위한 채택을 지원하기 위해 오픈소스 ROS 패키지로 구현되었다.
• 국소 지도는 50 Hz로 업데이트되며, 해상도는 0.05 m이고 크기는 30 m × 30 m × 6 m로, 고정밀 장애물 탐지가 가능하다.

실험 결과

연구 질문

• RQ1 제한된 온보드 자원을 가진 환경에서 균일 격자 기반 OGM이 대규모 고해상도 LiDAR 환경에서 실시간 성능을 달성할 수 있는가?
• RQ2 안전성과 정확도를 훼손하지 않으면서도 장애물 팽창을 어떻게 최적화하여 계산 비용을 줄일 수 있는가?
• RQ3 로봇 중심의 국소 지도 전략은 동적 환경에서 메모리 사용을 최소화하면서도 고해상도와 성능을 유지할 수 있는가?
• RQ4 계산 시간, 메모리 소비 및 실생활 비행 성능 측면에서 ROG-Map은 최신 기술의 OGM 방법들과 비교해 어떻게 성과를 내는가?

주요 결과

• 실제 비행 중 ROG-Map은 평균 5.96 ms의 지도 업데이트 시간(20 ms 프레임 시간의 29.8%)을 기록하였으며, 장애물 팽창에 전용으로 0.66 ms만 소요되었다.
• 대규모 점검 미션에서 ROG-Map은 프레임당 팽창 계산을 0.06 ms로 줄여 임베디드 하드웨어에서 실시간 운영을 가능하게 하였다.
• 다수의 웨이포인트가 있는 대규모 환경에서 502.23 m의 비행 경로를 성공적으로 항해하며 충돌 없이 장애물을 회피하였다.
• Octomap 및 Hashmap와 같은 베이스라인 방법에 비해 ROG-Map은 계산 시간과 메모리 효율성에서 뛰어난 성능을 보였으며, 후자는 메모리 오버플로우로 인해 실패하였다.
• 점진적 팽창 방법은 변경된 격자 수에 대해 O(n)의 복잡도로 계산 복잡도를 감소시키면서도 일관된 정확도를 확보하였다.
• 오픈소스 ROS 패키지는 LiDAR 기반 운동 계획 분야의 광범위한 통합 및 개발을 가능하게 하였으며, 완전 자율 큐브로터에서의 실생활 검증이 이루어졌다.