[论文解读] An informative path planning framework for UAV-based terrain monitoring

Marija Popović, Teresa Vidal‐Calleja+5 more|arXiv (Cornell University)|Sep 8, 2018

Robotic Path Planning Algorithms参考文献 62被引用 9

一句话总结

该论文提出了一种通用的信息性路径规划（IPP）框架，用于无人机（UAVs），通过可变分辨率的传感器数据自适应地映射离散或连续的地形变量，利用粗网格搜索和CMA-ES优化三维轨迹，以最大化信息增益。该方法在减少地图不确定性方面比现有最先进方法更高效，并在使用真实世界数据的逼真和农业监测场景中实现了实时性能。

ABSTRACT

Unmanned Aerial Vehicles (UAVs) represent a new frontier in a wide range of monitoring and research applications. To fully leverage their potential, a key challenge is planning missions for efficient data acquisition in complex environments. To address this issue, this article introduces a general Informative Path Planning (IPP) framework for monitoring scenarios using an aerial robot, focusing on problems in which the value of sensor information is unevenly distributed in a target area and unknown a priori . The approach is capable of learning and focusing on regions of interest via adaptation to map either discrete or continuous variables on the terrain using variable-resolution data received from probabilistic sensors. During a mission, the terrain maps built online are used to plan information-rich trajectories in continuous 3-D space by optimizing initial solutions obtained by a coarse grid search. Extensive simulations show that our approach is more efficient than existing methods. We also demonstrate its real-time application on a photorealistic mapping scenario using a publicly available dataset and demonstrate a proof of concept for an agricultural monitoring task.

研究动机与目标

• 解决在传感器信息分布不均且事先未知的复杂环境中高效数据采集的挑战。
• 开发一种可推广的、实时的IPP框架，适用于空中机器人，能够适应新测量数据并聚焦于感兴趣区域。
• 将在线概率映射与连续三维轨迹优化相结合，以在资源受限条件下提升信息增益。
• 实现在无人机机载系统上的实时部署，用于实际的环境与农业监测任务。
• 提供开源软件，并在合成数据、逼真数据和真实世界数据集上验证该框架。

提出的方法

• 该框架使用概率传感器模型将RGB图像融合为紧凑的地形地图，其中采用ExG（过量绿色指数）来估计植被/杂草的存在情况。
• 地形地图通过基于相机位姿和IMU/视觉-惯性里程计（如ROVIO）的像素投影与归一化实现在线更新。
• 通过粗略的三维网格搜索生成初始轨迹，再利用协方差矩阵自适应进化策略（CMA-ES）进行连续空间优化以实现精细化调整。
• 轨迹参数化为12阶多项式路径，包含3个航点，受最大速度（5 m/s）和加速度（3 m/s²）的约束。
• 规划目标为减少不确定性（通过方差最小化实现），不依赖基于兴趣的阈值，旨在实现均匀且快速的区域重建。
• 系统集成在线映射与规划，实现对新传感器数据和动态任务需求的实时适应。

实验结果

研究问题

• RQ1 在信息分布不均的复杂环境中，无人机系统如何高效规划信息量丰富的三维飞行路径？
• RQ2 与静态或被动覆盖方法相比，在线概率映射在提升地形监测精度与适应性方面有多大程度的改进？
• RQ3 通用型IPP框架是否能在无人机机载系统上实现实时性能，同时在合成与真实世界场景中保持高信息增益？
• RQ4 集成可变分辨率传感器数据（例如来自不同高度的数据）如何影响地图不确定性与规划效率？
• RQ5 采用粗网格搜索后接CMA-ES优化的方法，在三维空间轨迹规划中对收敛性与鲁棒性有何影响？

主要发现

• 所提出的IPP框架在合成与真实世界仿真中，比现有最先进方法更高效地减少了地图不确定性。
• 该系统在真实农业场景中成功映射了杂草丛生区域和作物行细节，黄色区域表示高ExG值（杂草），蓝色区域表示低ExG值（作物）。
• 地形地图的不确定性随时间稳步下降，总地图不确定性曲线显示在数据采集开始后的前100秒内即持续减少。
• 该框架在使用SegNet传感器和公开可用数据集的情况下，实现了机载实时运行，轨迹实时生成并执行。
• 该实现已开源，支持社区使用与进一步开发，并在逼真和户外农业监测任务中得到验证。
• 该方法在8米高度下实现了对应于地面采样距离（GSD）的高分辨率地图，传感器噪声建模为高度的函数，系数为a=0.05和b=0.2。