[论文解读] Autonomous, Monocular, Vision-Based Snake Robot Navigation and Traversal of Cluttered Environments using Rectilinear Gait Motion

Alexander H. Chang, Shiyu Feng+3 more|arXiv (Cornell University)|Aug 19, 2019

Robot Manipulation and Learning参考文献 33被引用 6

一句话总结

该论文提出了一种基于单目视觉的蛇形机器人导航系统，采用直线步态运动，实现在未知、杂乱环境中的自主穿越。通过结合 ORB-SLAM 实现自定位、地面平面分割实现障碍物检测，以及基于运动学单体车模型的轨迹规划与反馈控制，该机器人实现了无需预先了解环境的实时视觉驱动导航。

ABSTRACT

Rectilinear forms of snake-like robotic locomotion are anticipated to be an advantage in obstacle-strewn scenarios characterizing urban disaster zones, subterranean collapses, and other natural environments. The elongated, laterally-narrow footprint associated with these motion strategies is well-suited to traversal of confined spaces and narrow pathways. Navigation and path planning in the absence of global sensing, however, remains a pivotal challenge to be addressed prior to practical deployment of these robotic mechanisms. Several challenges related to visual processing and localization need to be resolved to to enable navigation. As a first pass in this direction, we equip a wireless, monocular color camera to the head of a robotic snake. Visiual odometry and mapping from ORB-SLAM permits self-localization in planar, obstacle-strewn environments. Ground plane traversability segmentation in conjunction with perception-space collision detection permits path planning for navigation. A previously presented dynamical reduction of rectilinear snake locomotion to a non-holonomic kinematic vehicle informs both SLAM and planning. The simplified motion model is then applied to track planned trajectories through an obstacle configuration. This navigational framework enables a snake-like robotic platform to autonomously navigate and traverse unknown scenarios with only monocular vision.

研究动机与目标

• 仅使用单目视觉实现在未知、障碍物密集环境中的自主导航。
• 解决在缺乏全局感知或 GPS 的情况下自定位与路径规划的挑战。
• 将视觉里程计（ORB-SLAM）与感知空间碰撞检测相结合，实现实时障碍物避让。
• 利用直线步态的简化运动学单体车模型，实现轨迹规划与反馈控制。
• 通过仅依赖机载单目视觉，实现对复杂未知环境的端到端自主穿越。

提出的方法

• 在蛇形机器人的头部安装无线单目彩色摄像头，实时捕获视觉输入。
• 应用 ORB-SLAM 实现视觉里程计与二维地图构建，实现在平面、障碍物密集环境中的实时自定位。
• 从单目图像中进行地面平面分割，识别可通行区域并检测机器人感知空间中的障碍物。
• 实现感知空间碰撞检测模块，评估候选轨迹与检测到的障碍物之间的关系。
• 将复杂的直线步态动力学简化为单体车运动学模型，用于轨迹规划，从而可使用标准差速导航工具。
• 采用反馈控制策略，通过姿态误差校正实现对规划轨迹的跟踪，利用逆控制-动作映射将反馈校正后的体速度转换为可执行的曲率指令。

实验结果

研究问题

• RQ1 蛇形机器人能否仅依靠单目视觉实现在未知、杂乱环境中的自主导航？
• RQ2 在感知能力有限的蛇形机器人中，视觉里程计与地图构建（ORB-SLAM）如何有效实现自定位？
• RQ3 简化后的运动学单体车模型在多大程度上能准确表征并实现直线蛇形步态的路径规划控制？
• RQ4 如何通过单目输入的感知空间碰撞检测与地面分割实现穿越过程中的动态障碍物避让？
• RQ5 在真实、非结构化环境中，基于姿态误差的反馈校正能否提升轨迹跟踪的执行精度？

主要发现

• 机器人成功利用单目输入通过 ORB-SLAM 实现自定位并构建了二维环境地图，实现了长时间稳定的跟踪。
• 地面平面分割能够从单目图像中可靠识别可通行区域与障碍物边界，支持感知空间中的路径规划。
• 基于更新后的机器人位姿与障碍物检测结果，每 10 秒（每 4 个步态周期）重新生成一次轨迹规划，实现对新视觉输入的动态适应。
• 反馈控制策略通过实时调整曲率指令校正轨迹偏差，确保了对规划路径的稳定跟踪。
• 机器人成功穿越复杂障碍物区域，避开了所有障碍物，并通过指定通道成功退出，该结果经视觉序列与 SLAM 轨迹重建验证。
• ORB-SLAM、感知空间规划与反馈控制的集成实现了无需预先环境知识或全局感知的完整自主导航。