[论文解读] Cooperative Aerial Coverage Path Planning for Visual Inspection of Complex Infrastructures

Sina Sharif Mansouri, Christoforos Kanellakis+3 more|arXiv (Cornell University)|Nov 16, 2016

Robotic Path Planning Algorithms参考文献 14被引用 4

一句话总结

本文提出了一种基于先验CAD模型的协作式空中覆盖路径规划（C-CPP）框架，用于对复杂三维基础设施进行多架无人机巡检。通过水平面切片检测结构分支，该方法将子覆盖任务分配给无人机，使巡检时间最多减少54%（三架无人机时从24.86分钟降至11.36分钟），同时确保完全覆盖，并通过SfM和SLAM实现离线三维重建。

ABSTRACT

This article addresses the problem of Cooperative Coverage Path Planning (C-CPP) for the inspection of complex infrastructures (offline 3D reconstruction) by utilizing multiple Unmanned Autonomous Vehicles (UAVs). The proposed scheme, based on a priori 3D model of the infrastructure under inspection, is able to generate multiple paths for UAVs in order to achieve a complete cooperative coverage in a short time. Initially the infrastructure under inspection is being sliced by horizontal planes, which has the capability of recognizing the branches of the structure and these branches will be handled as breaking points for the path planning of the UAVs to collaboratively execute the coverage task in less time and more realistically, based on the current flying times of the UAVs. The multiple data sets collected from the coverage are merged for the offline sparse and dense 3D reconstruction of the infrastructure by utilizing SLAM and Structure from Motion approaches, with either monocular or stereo sensors. The performance of the proposed C-CPP has been experimentally evaluated in multiple indoor and realistic outdoor infrastructure inspection experiments.

研究动机与目标

• 通过实现自主、协作的无人机操作，减少复杂基础设施巡检中的巡检时间和人为风险。
• 解决在复杂非凸结构中，面向空中机器人应用的可扩展、多智能体三维覆盖路径规划方法缺乏的问题。
• 通过重叠视图确保完整视觉覆盖，以支持基于SLAM和运动结构（SfM）的稳健离线三维重建。
• 通过整合无人机飞行时间约束和偏航方向规划，实现真实、无碰撞飞行。

提出的方法

• 通过使用水平面切片3D CAD模型来检测结构分支，将基础设施分割为子覆盖区域。
• 根据建筑分支点，将不同的子覆盖区域分配给各架无人机，实现并行巡检。
• 为每架无人机生成航点和偏航参考，以确保相机朝向最优并实现表面完全可见。
• 通过为无人机分配不同高度和安全区域，集成运动约束与碰撞避免机制。
• 利用SfM和SLAM算法，在飞行后融合多架无人机的视觉数据，实现稀疏和密集的三维重建。
• 系统支持单目和双目传感器配置，实现灵活部署。

实验结果

研究问题

• RQ1 如何优化复杂非凸三维基础设施的多无人机覆盖路径规划，以最小化巡检时间？
• RQ2 如何自动检测3D模型中的结构分支，并利用其对无人机的覆盖任务进行分区？
• RQ3 协作式路径规划在保持完全覆盖的同时，能在多大程度上提升巡检效率并支持精确的三维重建？
• RQ4 偏航参考规划的集成如何提升重建所需的视觉覆盖质量？

主要发现

• 使用三架无人机时，巡检时间从单架无人机的24.86分钟减少至11.36分钟，效率提升54%。
• 在室内实验中，飞行时间从单架无人机的327秒减少至两架无人机的166秒，实现49%的减少。
• 在室外实验中，仅依赖机载传感器即实现了完全自主飞行，飞行时间从370秒减少至189秒。
• 基于SfM的协作式三维重建生成了准确的网格模型，如图12和图14的视觉对比结果所示。
• 该方法成功实现了完全覆盖，并提供了重叠的视觉数据，这对稳健的离线三维重建至关重要。
• 有效生成了偏航参考，以确保相机朝向最优，从而增强了结构表面的可见性。