[论文解读] CT-CPP: 3D Coverage Path Planning for Unknown Terrain Reconstruction using Coverage Trees.

Zongyuan Shen, Junnan Song+2 more|arXiv (Cornell University)|Oct 19, 2020

Robotic Path Planning Algorithms参考文献 29被引用 5

一句话总结

CT-CPP 提出了一种用于未知、障碍物丰富的地形的3D覆盖路径规划方法，通过使用覆盖树（CT）来优化分层扫描轨迹。通过集成改进的基于TSP的树遍历方法，与水下仿真中的TF-CPP相比，该方法减少了轨迹长度、能耗和重建误差。

ABSTRACT

This letter addresses the 3D coverage path planning (CPP) problem for terrain reconstruction of unknown obstacle rich environments. Due to sensing limitations, the proposed method, called CT-CPP, performs layered scanning of the 3D region to collect terrain data, where the traveling sequence is optimized using the concept of a coverage tree (CT). A modified TSP-based tree traversal strategy is proposed. The CT-CPP method is validated on a high-fidelity underwater simulator and the results are evaluated in comparison to an existing terrain following CPP method (TF-CPP). The CT-CPP with TSP optimizer yields significant improvements in trajectory length, energy consumption, and reconstruction error.

研究动机与目标

• 解决未知、障碍物丰富的环境中的3D覆盖路径规划（CPP）挑战。
• 提高复杂3D地形中轨迹效率和数据重建精度。
• 通过优化扫描序列减少能耗和路径长度。
• 在高保真水下仿真环境中验证该方法。

提出的方法

• CT-CPP 使用覆盖树（CT）来建模3D扫描区域并指导分层遍历。
• 该方法采用改进的基于TSP的策略，以优化CT上扫描点的顺序。
• 分层扫描用于考虑3D环境中传感器的限制。
• CT结构通过将空间覆盖组织为分层扫描层，实现高效的路径规划。
• 轨迹优化确保在保持完整覆盖的前提下最小化行驶距离。
• 该方法通过高保真水下仿真器进行评估，以模拟现实世界中的约束条件。

实验结果

研究问题

• RQ1 如何在未知、障碍物丰富的环境中优化3D覆盖路径规划？
• RQ2 使用覆盖树（CT）对轨迹效率和重建质量有何影响？
• RQ3 基于TSP的遍历策略与现有方法相比，在路径长度和能耗方面表现如何？
• RQ4 与TF-CPP相比，CT-CPP在多大程度上降低了重建误差？
• RQ5 基于CT的分层扫描能否在最小化行驶距离的同时保持完整覆盖？

主要发现

• 采用TSP优化器的CT-CPP相比TF-CPP基线方法，减少了轨迹长度。
• 由于路径规划的优化，能耗显著降低。
• 重建误差减少，表明数据质量和覆盖保真度得到提升。
• 该方法在高保真水下仿真环境中表现出优越性能。
• 覆盖树的集成使得在复杂地形中实现可扩展且高效的3D扫描成为可能。
• 基于TSP的遍历策略在不牺牲覆盖完整性的前提下，提升了路径效率。