[论文解读] 3-D Volumetric Gamma-ray Imaging and Source Localization with a Mobile Robot

Michael S. Lee, Matthew Hanczor+4 more|arXiv (Cornell University)|Feb 15, 2018

Radiation Detection and Scintillator Technologies参考文献 10被引用 13

一句话总结

本文提出了一种移动机器人系统，集成康普顿伽马射线相机与实时自我定位技术，实现三维体积伽马射线成像与精确源定位。通过融合机器人在行进路径上的位姿数据与方向性辐射测量数据，系统构建了基于体素的辐射图，实现了在复杂环境中对多个源的亚米级定位精度（平均误差0.2 m）。

ABSTRACT

Radiation detection has largely been a manual inspection process with point sensors such as Geiger-Muller counters and scintillation spectrometers to date. While their observations of source proximity prove useful, they lack the directional information necessary for efficient source localization and characterization in cluttered environments with multiple radiation sources. The recent commercialization of Compton gamma cameras provides directional information to the broader radiation detection community for the first time. This paper presents the integration of a Compton gamma camera with a self-localizing ground robot for accurate 3D radiation mapping. Using the position and orientation of the robot, radiation images from the gamma camera are accumulated over a traversed path in a shared frame of reference to construct a consistent voxel grid-based radiation map. The peaks of the map at pre-specified energy windows are selected as the source location estimates, which are compared to the ground truth source locations. The proposed approach localizes multiple sources to within an average of 0.2 m in two 5 x 4 m^2 and 14 x 6 m^2 laboratory environments.

研究动机与目标

• 解决传统点式探测方法（如盖革计数器）缺乏方向性辐射数据的问题。
• 实现在人工检查效率低下的复杂环境中对多个伽马射线源的精确三维定位。
• 将移动机器人自我定位与康普顿伽马射线相机数据融合，实现一致的空间注册辐射测绘。
• 开发一种能够从移动传感器数据构建基于体素的三维辐射图、且人工干预最少的系统。
• 在已知源位置的真实实验室内环境中验证系统性能。

提出的方法

• 系统采用配备康普顿伽马射线相机与同步定位与地图构建（SLAM）技术的移动地面机器人，实现实时位姿估计。
• 将伽马射线相机的辐射测量数据，基于机器人的估计位置与朝向，投影到共享的三维体素网格中。
• 通过累积机器人轨迹上的辐射计数构建体素网格，并使用能量特定窗口识别源峰。
• 通过在预设能量通道内检测三维辐射图中的局部极大值实现源定位。
• 系统采用统一的世界坐标系，确保机器人运动过程中传感器测量的空间一致性。
• 该方法利用康普顿相机的方向敏感性，解决了多源环境中的源模糊问题。

实验结果

研究问题

• RQ1 配备康普顿伽马射线相机的移动机器人能否在复杂环境中实现精确的三维体积辐射测绘？
• RQ2 与静态或点式测量相比，机器人位姿数据的集成如何提升源定位精度？
• RQ3 该系统在多源环境下能以亚米级精度同时定位多个辐射源的程度如何？
• RQ4 基于体素的辐射图构建在复杂场景中如何增强源表征与定位能力？
• RQ5 在已知源位置的真实实验室内环境中，该系统的可实现定位误差是多少？

主要发现

• 在两个不同的实验室内环境中，系统对多个伽马射线源的定位平均绝对误差为0.2米。
• 在5 m × 4 m²的测试区域中，系统实现的定位精度在真实源位置的0.2米以内。
• 在更大的14 m × 6 m²环境中，系统仍保持相同的定位精度，证明了其可扩展性。
• 与传统点传感器相比，使用方向性康普顿相机数据显著提升了源分辨率。
• 基于体素的辐射图实现了复杂、杂乱布局中一致的三维可视化与源位置识别。
• 机器人自我定位与伽马射线数据的融合，使得在移动过程中能够实现鲁棒、连续的辐射测绘。