[论文解读] Autonomous Aerial Robotic Surveying and Mapping with Application to Construction Operations

Huan Nguyen, Frank Mascarich+2 more|arXiv (Cornell University)|May 9, 2020

Robotics and Sensor-Based Localization参考文献 18被引用 8

一句话总结

本文提出机器人化施工现场勘测仪（RCSS），一种自主空中机器人系统，通过融合激光雷达、可见光与热成像及惯性传感，在无GPS环境下实现复杂建筑环境中的多模态3D制图与库存追踪。该系统可自主生成高保真3D地图，并检测/定位用于库存管理的目标物体，在真实建筑与室内环境中得到验证，实现了对裸露木结构的精确度量重建。

ABSTRACT

In this paper we present an overview of the methods and systems that give rise to a flying robotic system capable of autonomous inspection, surveying, comprehensive multi-modal mapping and inventory tracking of construction sites with high degree of systematicity. The robotic system can operate assuming either no prior knowledge of the environment or by integrating a prior model of it. In the first case, autonomous exploration is provided which returns a high fidelity $3 extrm{D}$ map associated with color and thermal vision information. In the second case, the prior model of the structure can be used to provide optimized and repetitive coverage paths. The robot delivers its mapping result autonomously, while simultaneously being able to detect and localize objects of interest thus supporting inventory tracking tasks. The system has been field verified in a collection of environments and has been tested inside a construction project related to public housing.

研究动机与目标

• 开发一种自主空中机器人系统，能够在复杂、无GPS信号的施工现场实现系统性3D制图与巡检。
• 实现无需环境先验知识的自主探索，以及基于既有结构模型的优化巡检。
• 整合多模态传感（激光雷达、可见光、热成像、IMU）以提升在视觉条件劣化环境下的定位与制图鲁棒性。
• 通过实时检测并定位3D地图中的目标物体，支持自动化库存追踪。
• 在真实建筑与室内环境中验证系统性能，包括火灾后木结构与公共住房项目。

提出的方法

• 系统采用松耦合的多模态定位与制图框架，融合激光雷达里程计、可见光相机-IMU融合（ROVIO）以及热成像-惯性里程计，以增强在低能见度条件下的鲁棒性。
• 将高帧率（20–30 FPS）的视觉与热成像-惯性更新与基于激光雷达的制图相结合，提升在动态或遮蔽环境中的精度与鲁棒性。
• 对于自主探索，系统采用基于覆盖的路径规划算法，确保在无先验模型时实现环境的完整扫描。
• 对于优化巡检，利用既有结构的3D模型生成均匀、全覆盖的巡检路径，同时考虑传感器视场的约束。
• 通过基于YOLOv3的检测器执行目标检测，目标姿态通过在体素重建结果上进行射线投射映射至3D地图。
• 通过ICP或类似技术对多次任务获取的点云数据进行配准，以检测随时间推移的结构变化。

实验结果

研究问题

• RQ1 自主空中机器人能否通过多模态传感器融合，在无GPS信号、复杂的建筑环境中实现高保真3D制图？
• RQ2 路径规划如何适应既无先验知识的自主探索，又支持基于先验模型的重复性优化巡检？
• RQ3 在粉尘弥漫、黑暗或低纹理的建筑工地条件下，热成像与视觉-惯性传感在多大程度上可提升定位鲁棒性？
• RQ4 系统能否在飞行过程中实时自主检测并定位目标物体，以支持库存追踪？
• RQ5 在缺乏蓝图的情况下，该系统在重建复杂裸露木结构的精确度量地图方面效果如何？

主要发现

• RCSS成功在内华达大学里诺分校艺术楼走廊中实现无先验环境知识的自主3D制图，生成了高保真3D地图。
• 系统基于YOLOv3实现实时目标检测与定位，通过射线投射至在线体素地图，报告目标类别、3D姿态与时间戳。
• 系统生成了火灾后社区住房建筑工地的精确度量地图，其中包含裸露木结构，证明其在无蓝图环境下的能力。
• 基于先验桥梁模型的路径规划确保了均匀的传感器视场分布与全覆盖，已在仿真中得到验证。
• 多次任务获取的点云配准实现了对结构变化的可视化检测，是实现自动化进度监控的关键技术。
• 实地测试证实，由于多模态传感器融合，系统在粉尘与低光照等劣化条件下仍具备强鲁棒性。