[论文解读] 3D Maps Registration and Path Planning for Autonomous Robot Navigation

Konstantinos Charalampous, Ioannis Kostavelis+3 more|arXiv (Cornell University)|Dec 10, 2013

Robotics and Sensor-Based Localization参考文献 9被引用 3

一句话总结

本文提出了一种集成的3D地图构建与路径规划系统，用于在危险环境中利用单个激光扫描仪实现自主机器人导航。该系统结合FPFH粗略配准与点到平面ICP精化，构建高精度3D地图，随后将地图垂直投影为高分辨率2D栅格地图。D* Lite算法在路径规划中显式考虑了机器人的物理尺寸（40×41 cm），通过29 cm安全缓冲区与高斯代价函数，生成更安全、具备本体感知能力的路径，路径分辨率达1 cm，每步平均计算时间低于3秒。

ABSTRACT

Mobile robots dedicated in security tasks should be capable of clearly perceiving their environment to competently navigate within cluttered areas, so as to accomplish their assigned mission. The paper in hand describes such an autonomous agent designed to deploy competently in hazardous environments equipped with a laser scanner sensor. During the robot's motion, consecutive scans are obtained to produce dense 3D maps of the area. A 3D point cloud registration technique is exploited to merge the successively created maps during the robot's motion followed by an ICP refinement step. The reconstructed 3D area is then top-down projected with great resolution, to be fed in a path planning algorithm suitable to trace obstacle-free trajectories in the explored area. The main characteristic of the path planner is that the robot's embodiment is considered for producing detailed and safe trajectories of $1$ $cm$ resolution. The proposed method has been evaluated with our mobile robot in several outdoor scenarios revealing remarkable performance.

研究动机与目标

• 使自主移动机器人能够在杂乱、危险的环境（如灾后区域）中安全导航。
• 解决从连续2D激光扫描中实时生成准确、密集3D地图的挑战。
• 集成一种考虑机器人物理尺寸的路径规划算法，以避免与障碍物发生碰撞。
• 通过基于机器人轮廓的代价惩罚机制，提升路径安全性与真实性，对靠近障碍物的栅格单元施加代价惩罚。
• 开发一种完整的、传感器高效的导航框架，适用于城市搜救任务的部署。

提出的方法

• 使用配备SICK LMS500 PRO 2D激光扫描仪（安装于PTU上）与Xsens 3DoF姿态跟踪器的轮式机器人（ERA-Mobi），用于运动与姿态感知。
• 采用FPFH特征实现连续3D点云的快速在线粗略配准，以估计初始变换。
• 通过仅聚焦于共享几何表面点的点到平面ICP算法对配准结果进行精化，从而提升速度与精度。
• 将最终配准的3D地图投影为俯视图2D栅格地图，分辨率为1 cm，用于路径规划。
• 基于机器人最大离心距离，采用σx = σy = 1的高斯代价函数，对距离不可通行障碍物29 cm以内的栅格单元赋予递增的惩罚值。
• 在增强的2D地图上使用D* Lite算法计算最优、无碰撞的轨迹，实现路径长度与安全性的平衡。

实验结果

研究问题

• RQ1 如何在实时条件下准确配准来自连续2D激光扫描的3D点云，以构建未知环境的一致性3D地图？
• RQ2 何种方法能有效将机器人本体信息融入路径规划，避免路径过于靠近障碍物？
• RQ3 能否利用从3D重建生成的高分辨率2D地图，实现亚米级精度的实时安全路径规划？
• RQ4 在ICP中引入几何表面约束在多大程度上提升了配准效率与精度？
• RQ5 本体感知代价分配在多大程度上提升了路径安全性，而未显著增加计算时间？

主要发现

• 基于FPFH的粗略配准平均耗时38.4 ± 6.4秒/扫描对，实现了快速初始对齐。
• ICP精化步骤平均仅需2.9 ± 1.7秒，通过聚焦于共享几何表面显著降低了计算时间。
• D* Lite路径规划算法每轮运行耗时2.4 ± 0.3秒，成功生成安全、详细的轨迹，1 cm分辨率地图支持精确导航。
• 采用29 cm安全半径与高斯代价函数的本体感知路径规划，在户外场景中成功避免了过于靠近障碍物的路径。
• 在35 m距离分离的更大场景中，配准与路径规划性能保持一致，ICP与D* Lite的耗时与首次实验相比均在1秒以内，表明系统具备良好的可扩展性。
• 系统生成了稳定、密集的3D地图，具备准确的地面去除与障碍物表征，支持在复杂真实环境中可靠导航。