[论文解读] Design and Development of Autonomous Delivery Robot

Aniket Gujarathi, Akshay Kulkarni+7 more|arXiv (Cornell University)|Mar 16, 2021

Robotic Path Planning Algorithms参考文献 33被引用 4

一句话总结

该论文提出了一款专为VNIT校园户外运行设计的全自主配送机器人原型，集成高清地图、传感器融合（激光雷达、摄像头）及实时规划技术，实现稳健导航。该系统采用菲涅耳全景摄像头实现360°视觉，通过U-Net和ENet进行语义分割，并采用EKF实现定位，从而在无需人工干预的情况下实现安全、人机交互的配送，成功在动态环境中实现可靠路径规划与障碍物避让。

ABSTRACT

The field of autonomous robotics is growing at a rapid rate. The trend to use increasingly more sensors in vehicles is driven both by legislation and consumer demands for higher safety and reliable service. Nowadays, robots are found everywhere, ranging from homes, hospitals to industries, and military operations. Autonomous robots are developed to be robust enough to work beside humans and to carry out jobs efficiently. Humans have a natural sense of understanding of the physical forces acting around them like gravity, sense of motion, etc. which are not taught explicitly but are developed naturally. However, this is not the case with robots. To make the robot fully autonomous and competent to work with humans, the robot must be able to perceive the situation and devise a plan for smooth operation, considering all the adversities that may occur while carrying out the tasks. In this thesis, we present an autonomous mobile robot platform that delivers the package within the VNIT campus without any human intercommunication. From an initial user-supplied geographic target location, the system plans an optimized path and autonomously navigates through it. The entire pipeline of an autonomous robot working in outdoor environments is explained in detail in this thesis.

研究动机与目标

• 开发一款全自主移动机器人，能够在无须人工干预的情况下于户外校园环境中自主导航并完成包裹配送。
• 解决户外自主导航中的挑战，包括动态障碍物、定位精度以及360°环境感知。
• 实现从感知、建图、定位到规划的完整系统集成，支持真实场景部署。
• 通过多传感器融合与语义分割提升机器人鲁棒性，实现对道路与障碍物的精准检测。
• 在真实户外环境中验证系统性能，应对动态的人流与车流。

提出的方法

• 机器人采用菲涅耳相机系统，利用抛物面镜生成全景360°图像，实现全向视觉与三维重建。
• 基于SLAM与GPS数据，构建VNIT校园的高精度（HD）地图，包含多层信息，如可行驶区域、障碍物与路径点。
• 通过改进的扩展卡尔曼滤波（EKF）实现激光雷达与摄像头数据的传感器融合，实现精确的状态估计与定位，外部参数标定采用基于棋盘格的张氏标定法。
• 基于CamVid与Cityscapes数据集，使用U-Net与ENet架构进行道路与障碍物的语义分割。
• 全局路径规划基于HD地图采用A*算法，局部路径规划采用动态窗口法并结合碰撞检测。
• 系统基于ROS集成，通过话题通信机制实现感知、定位、规划与控制模块间的数据流可视化。

实验结果

研究问题

• RQ1 如何设计一种成本可控、全自主的配送机器人，以应对具有动态障碍物的户外校园环境？
• RQ2 何种传感器融合策略可在GPS拒止或信号衰减的户外条件下实现稳健的定位与状态估计？
• RQ3 全景菲涅耳相机系统如何提供可靠、全向的视觉数据，以支持障碍物检测与三维重建？
• RQ4 何种深度学习架构可实现在复杂户外场景中道路与障碍物的高精度实时语义分割？
• RQ5 如何通过分层规划架构实现在真实户外环境中安全、优化且动态的导航？

主要发现

• 机器人在VNIT校园预设路线上成功完成无干预自主导航，证明了在真实户外环境中端到端自主性的实现。
• 菲涅耳相机系统提供了稳定一致的全景视觉数据，有效支持全向障碍物检测与三维点云重建。
• 基于U-Net与ENet的语义分割在道路与障碍物分类中表现出高精度，定性结果清晰区分道路与非道路区域。
• 通过EKF实现的传感器融合显著降低了定位误差，仿真结果表明在噪声环境下状态估计性能得到提升。
• 系统在室内外测试中均表现出稳定性能，户外测试中即使面对动态障碍物，仍能可靠实现路径跟踪。
• 从建图、定位、感知到规划的完整系统管道已在真实场景中成功部署并验证，证明其在可扩展的“最后一公里”配送应用中的可行性。