[论文解读] Autonomous visual inspection of large-scale infrastructures using aerial robots

Christoforos Kanellakis, Emil Fresk+3 more|arXiv (Cornell University)|Jan 16, 2019

Robotics and Sensor-Based Localization参考文献 19被引用 12

一句话总结

本文提出了一套完全自主的多MAV系统，用于对大型基础设施进行视觉检测，采用UWB与惯性融合实现精确定位，基于几何的协作覆盖路径规划算法实现高效结构扫描，并通过机载视觉传感实现实时数据传输与后续3D重建。该框架在风力涡轮机的真实户外试验中得到验证，展示了在极少地面支持下的鲁棒性、可重复性与可扩展性。

ABSTRACT

This article presents a novel framework for performing visual inspection around 3D infrastructures, by establishing a team of fully autonomous Micro Aerial Vehicles (MAVs) with robust localization, planning and perception capabilities. The proposed aerial inspection system reaches high level of autonomy on a large scale, while pushing to the boundaries the real life deployment of aerial robotics. In the presented approach, the MAVs deployed for the inspection of the structure rely only on their onboard computer and sensory systems. The developed framework envisions a modular system, combining open research challenges in the fields of localization, path planning and mapping, with an overall capability for a fast on site deployment and a reduced execution time that can repeatably perform the inspection mission according to the operator needs. The architecture of the established system includes: 1) a geometry-based path planner for coverage of complex structures by multiple MAVs, 2) an accurate yet flexible localization component, which provides an accurate pose estimation for the MAVs by utilizing an Ultra Wideband fused inertial estimation scheme, and 3) visual data post-processing scheme for the 3D model building. The performance of the proposed framework has been experimentally demonstrated in multiple realistic outdoor field trials, all focusing on the challenging structure of a wind turbine as the main test case. The successful experimental results, depict the merits of the proposed autonomous navigation system as the enabling technology towards aerial robotic inspectors.

研究动机与目标

• 实现使用微型飞行器（MAVs）团队对风力涡轮机等复杂基础设施进行完全自主的、大规模视觉检测。
• 解决在GPS拒止、存在磁干扰与遮挡的大规模户外环境中实现可靠定位的挑战。
• 开发一种协作覆盖路径规划算法，确保对复杂三维结构实现完整且重叠视场的覆盖。
• 实现在机载视觉数据流支持下的实时评估与高分辨率后处理3D重建。
• 在无需动捕系统或昂贵基础设施的现实户外条件下，证明系统的鲁棒性与可重复性。

提出的方法

• 开发了一种基于几何的协作覆盖路径规划算法（C-CPP），根据三维几何特征将结构部件分配给单个MAV，确保视场重叠的完整覆盖。
• 融合UWB与惯性状态估计，为MAV提供精确的实时位姿估计，通过在结构周围部署UWB信标以减轻漂移。
• 利用单目相机获取的视觉数据，同时支持实时低分辨率数据流传输与高分辨率后处理3D重建。
• 采用视觉-惯性里程计系统提供航向估计，以补偿风力涡轮机结构引起的磁力计故障。
• 系统以本地UWB网络作为主要定位系统，高空时以GPS作为备份。
• 通过校准、手动对焦的图像序列与一致曝光条件，使用运动恢复结构（SfM）技术进行3D重建。

实验结果

研究问题

• RQ1 一组完全自主的MAV能否在无外部动捕或GPS支持的情况下，对大型户外基础设施（如风力涡轮机）完成完整且可重复的视觉检测？
• RQ2 UWB-inertial融合如何实现在GPS拒止、磁干扰环境下的精确且鲁棒的定位？
• RQ3 何种路径规划策略可确保对复杂三维结构实现完整且视场重叠的覆盖，同时最小化检测时间？
• RQ4 机载视觉传感器能否同时支持实时视觉评估与同一数据流的高保真3D重建？
• RQ5 系统在真实户外条件下多次任务中如何保持性能与可重复性？

主要发现

• 系统在真实户外条件下成功完成了对大型风力涡轮机的完全自主视觉检测，展示了其可扩展性与鲁棒性。
• UWB-inertial融合方案提供了精确的位姿估计，相比独立使用GPS或IMU，显著提升了稳定性和减少了漂移。
• 协作覆盖路径规划算法（C-CPP）实现了高效、完整覆盖的检测，视场重叠确保了检测效率，相比单机方案显著缩短了检测时间。
• 通过SfM技术，基于机载视觉数据重建出高质量的3D模型，其结果依赖于一致的相机标定与运动视 parallax。
• 单目相机在深度感知方面优于双目系统，原因在于固定基线的限制；手动对焦与曝光设置显著提升了重建一致性。
• 在长距离通信中，4G或蜂窝网络比WiFi更可靠，尤其在结构遮挡情况下。