[论文解读] Autonomous Mobile Robot Navigation in Uneven and Unstructured Indoor Environments

Chaoqun Wang, Lili Meng+7 more|arXiv (Cornell University)|Oct 28, 2017

Robotics and Sensor-Based Localization参考文献 28被引用 9

一句话总结

本文提出了一种用于在不平坦、非结构化室内环境中实现自主移动机器人导航的软硬件一体化系统，采用基于3D OctoMap的环境表示和可变步长RRT进行路径规划。该系统通过多层OctoMap投影生成安全可通行的2D地图，实现了在斜坡上的高效且稳健的导航，同时避免楼梯和动态障碍物，在仿真和真实世界实验中均验证了其10ms以内的重规划时间。

ABSTRACT

Robots are increasingly operating in indoor environments designed for and shared with people. However, robots working safely and autonomously in uneven and unstructured environments still face great challenges. Many modern indoor environments are designed with wheelchair accessibility in mind. This presents an opportunity for wheeled robots to navigate through sloped areas while avoiding staircases. In this paper, we present an integrated software and hardware system for autonomous mobile robot navigation in uneven and unstructured indoor environments. This modular and reusable software framework incorporates capabilities of perception and navigation. Our robot first builds a 3D OctoMap representation for the uneven environment with the 3D mapping using wheel odometry, 2D laser and RGB-D data. Then we project multilayer 2D occupancy maps from OctoMap to generate the the traversable map based on layer differences. The safe traversable map serves as the input for efficient autonomous navigation. Furthermore, we employ a variable step size Rapidly Exploring Random Trees that could adjust the step size automatically, eliminating tuning step sizes according to environments. We conduct extensive experiments in simulation and real-world, demonstrating the efficacy and efficiency of our system.

研究动机与目标

• 实现轮式机器人在不平坦且非结构化室内环境中的自主导航，特别是适用于轮椅通行的环境。
• 解决在杂乱真实室内环境中导航斜坡区域并避开楼梯的挑战。
• 开发一个模块化、可重用的软件框架，集成感知与导航功能，实现稳健的自主性。
• 提升在复杂3D环境中存在动态障碍物时的路径规划效率与适应性。
• 在真实传感器噪声和环境不确定性条件下，于仿真和真实世界环境中验证系统性能。

提出的方法

• 利用轮式里程计、2D激光雷达和RGB-D传感器数据构建3D OctoMap，以实现精确的环境表示。
• 从3D OctoMap中投影生成多层2D占用地图，基于高程差异识别可通行区域。
• 生成安全可通行地图作为全局路径规划的输入，支持斜坡导航并避免楼梯。
• 采用可变步长快速扩展随机树（RRT）算法，根据环境复杂度动态调整步长。
• 使用自适应蒙特卡洛定位实现机器人状态的实时估计，并采用弹性带方法进行局部路径平滑与障碍物避让。
• 集成实时局部规划器，将全局路径规划与基于传感器的控制相衔接，确保动态障碍物避让。

实验结果

研究问题

• RQ1 如何在存在斜坡和楼梯的不平坦室内空间中，有效表示3D环境以支持自主导航？
• RQ2 何种路径规划策略能够在复杂3D环境中实现高效且自适应的导航，且调参需求最小化？
• RQ3 如何从3D地图中可靠提取可通行区域，以支持安全且可行的路径规划？
• RQ4 系统在真实世界传感器噪声、动态障碍物和机械误差条件下表现如何？
• RQ5 结合感知与导航的模块化软件框架是否能在非结构化室内环境中实现稳健的自主性？

主要发现

• 系统在真实世界环境中成功通过斜坡路径从地面层级到达高处平台，表现出对环境复杂性的强鲁棒性。
• 可变步长RRT在遭遇动态障碍物时实现了高效的全局路径规划，平均重规划时间约为10ms。
• 从多层OctoMap投影生成的可通行地图能有效区分斜坡与楼梯，并支持安全导航。
• 即使在噪声条件下，系统仍保持了良好的定位稳定性，3m×4m的局部代价地图尺寸被确定为在障碍物检测与路径阻塞之间达到最佳平衡。
• 真实世界实验证实，系统能够有效避免动态障碍物（如人类），所有测试案例中均观察到成功的路径重规划与安全避让。