[论文解读] End-to-End UAV Simulation for Visual SLAM and Navigation

Shengyang Chen, Han Chen+3 more|arXiv (Cornell University)|Dec 1, 2020

Robotics and Sensor-Based Localization参考文献 31被引用 8

一句话总结

本文提出了一种基于ROS-Gazebo-PX4的端到端无人机仿真框架，专为视觉SLAM与自主导航而设计，集成了双目视觉-惯性定位、三维建图与路径规划功能。该框架实现了点击即飞的自主飞行，具备实时性能，并提供开源工具包，适用于研究与教育。

ABSTRACT

Visual Simultaneous Localization and Mapping (v-SLAM) and navigation of multirotor Unmanned Aerial Vehicles (UAV) in an unknown environment have grown in popularity for both research and education. However, due to the complex hardware setup, safety precautions, and battery constraints, extensive physical testing can be expensive and time-consuming. As an alternative solution, simulation tools lower the barrier to carry out the algorithm testing and validation before field trials. In this letter, we customize the ROS-Gazebo-PX4 simulator in deep and provide an end-to-end simulation solution for the UAV v-SLAM and navigation study. A set of localization, mapping, and path planning kits were also integrated into the simulation platform. In our simulation, various aspects, including complex environments and onboard sensors, can simultaneously interact with our navigation framework to achieve specific surveillance missions. In this end-to-end simulation, we achieved click and fly level autonomy UAV navigation. The source code is open to the research community.

研究动机与目标

• 解决视觉SLAM与导航研究中物理无人机测试成本高、风险大的问题。
• 提供一个灵活可重构的仿真环境，支持在实际部署前进行全栈算法测试。
• 通过在单一仿真流程中集成感知、定位、建图与规划，实现点击即飞级别的自主性。
• 通过开源发布所有仿真资源、定位、建图与规划工具包，支持可复现的研究。
• 通过标准化且可扩展的仿真框架，促进自主无人机系统的教育与开发。

提出的方法

• 对ROS-Gazebo-PX4仿真器进行定制，集成详细的3D仿真环境、无人机模型及双目摄像头传感器。
• 集成基于标定相机内参与外参的双目视觉-惯性位姿估计套件：$[f_x, f_y, c_x, c_y] = [343.4963, 343.4963, 320, 180]$，基线0.05m，IMU与相机对齐。
• 部署基于0.2m分辨率、共181,500个体素的3D占据体素建图系统，采用欧氏有符号距离场（ESDF）实现高效地图表示。
• 集成混合路径规划堆栈：全局规划采用JPS算法在栅格地图上进行，局部规划使用Fuxi-Planner，生成发送给PX4的速率指令。
• 通过ROS话题实现实时数据流传输，频率为30–200 Hz，包括原始图像、深度图、IMU数据、真实位姿与路径信息。
• 在高端硬件上实现实时仿真性能（时间因子0.92），各模块平均处理时间在22–90 ms之间。

实验结果

研究问题

• RQ1 一个完全集成的端到端无人机仿真平台是否能够支持具备真实传感器与动力学建模的视觉SLAM与自主导航？
• RQ2 在仿真环境中，双目视觉-惯性定位、3D建图与路径规划的同步与执行效率如何？
• RQ3 该仿真器在多大程度上实现了点击即飞的自主性，且人类干预极少？
• RQ4 在单一仿真堆栈中集成定位、建图与规划带来的计算性能开销有多大？
• RQ5 该仿真框架在未来的科研与基准测试中，其可重用性与可扩展性如何？

主要发现

• 该仿真平台在中高端系统上实现了实时性能（时间因子0.92），在低性能硬件上平均时间因子为0.6。
• 定位套件以30 Hz处理图像，平均延迟28 ms（高端设备上为22 ms），支持实时位姿估计。
• 建图组件（包括全局地图与ESDF投影）的平均延迟分别为26 ms与70 ms，支持动态地图更新。
• 规划模块——全局规划（90 ms）与局部规划（20 ms）——处理时间均低于100 ms，支持实时轨迹生成。
• 无人机成功穿越未知环境，稳定抵达全部六个目标点，位置与姿态轨迹表现稳定。
• 系统表现出强健性，俯仰与滚转角均较小（<5°），确保任务全程具有高视觉定位性能。