[论文解读] Elevation Mapping for Locomotion and Navigation using GPU

Takahiro Miki, Lorenz Wellhausen+4 more|arXiv (Cornell University)|Apr 27, 2022

Robotic Path Planning Algorithms被引用 8

一句话总结

本文提出了一种用于自主腿足机器人的GPU加速高程映射框架，实现了在复杂环境中实时地形感知，且精度和鲁棒性显著提升。通过利用GPU加速的点云处理、高度漂移补偿、基于射线追踪的可见性清理，以及集成后处理（如可通行性评分、平滑处理、平面分割），该系统支持导航与感知运动控制，已在DARPA地下隧道挑战赛和四足运动实验中得到验证。

ABSTRACT

Perceiving the surrounding environment is crucial for autonomous mobile robots. An elevation map provides a memory-efficient and simple yet powerful geometric representation for ground robots. The robots can use this information for navigation in an unknown environment or perceptive locomotion control over rough terrain. Depending on the application, various post processing steps may be incorporated, such as smoothing, inpainting or plane segmentation. In this work, we present an elevation mapping pipeline leveraging GPU for fast and efficient processing with additional features both for navigation and locomotion. We demonstrated our mapping framework through extensive hardware experiments. Our mapping software was successfully deployed for underground exploration during DARPA Subterranean Challenge and for various experiments of quadrupedal locomotion.

研究动机与目标

• 解决基于CPU的高程映射在处理敏捷腿足机器人高帧率点云时的局限性。
• 通过减轻传感器漂移和遮挡引起的伪影，提升真实部署中的地图可靠性。
• 集成先进后处理功能（如可通行性估计、平滑处理、平面分割），专为感知运动控制而设计。
• 实现实时、高保真的地形表示，支持在复杂环境中的导航与腿足运动控制。
• 通过增强对传感器误差和环境遮挡的鲁棒性，支持在极端条件（如地下任务）下的部署。

提出的方法

• 利用基于GPU的并行处理加速点云配准与射线追踪，显著提升吞吐量，优于基于CPU的基线方法。
• 实现高度漂移补偿，以校正因腿部里程计误差（尤其在打滑事件中）引起的垂直漂移。
• 采用基于射线追踪的可见性清理方法，去除悬垂障碍物引起的虚拟伪影，确保地形表示的准确性。
• 引入排除区域机制，防止机器人过于靠近障碍物时产生错误的地图更新。
• 集成基于学习的可通行性过滤器，从局部几何特征（如坡度和粗糙度）计算可通行性评分。
• 增加多层高程地图输出，包括原始层、填充层、平滑层和上限层，以支持多样化的规划与控制任务。

实验结果

研究问题

• RQ1 GPU加速如何提升腿足机器人在动态复杂地形中高程映射的实时性能？
• RQ2 在长时间运动过程中，哪些技术能有效减轻由里程计漂移引起的地图伪影？
• RQ3 如何减少悬垂结构引起的可见性与遮挡伪影，以提升路径规划安全性？
• RQ4 集成后处理功能（如可通行性、平滑处理、平面分割）在多大程度上可增强感知运动控制？
• RQ5 所提出的高程映射框架能否在真实世界非结构化环境（如地下洞穴）中可靠地同时支持导航与运动控制任务？

主要发现

• GPU加速的处理管道相比基于CPU的基线方法显著提升了处理速度，即使在高分辨率点云下也能实现实时高程映射。
• 高度漂移补偿有效减少了地图中的垂直伪影，提升了运动控制的平滑性，并改善了强化学习控制器的性能。
• 基于射线追踪的可见性清理方法有效去除了由悬垂障碍物引起的虚拟墙，提升了路径规划的可靠性。
• 可通行性与上限层的集成使系统能够在斜坡和遮挡区域实现安全导航，该能力在DARPA地下隧道挑战赛中得到验证。
• 该框架成功支持了多种运动控制器，包括基于模型和基于学习的方法，在多样化地形与长时间任务中表现稳定。
• 该系统在DARPA地下隧道挑战赛中实际部署，证明了其在具有复杂几何结构和有限视野的真实地下环境中的鲁棒性。