[论文解读] HiTMap: A Hierarchical Topological Map Representation for Navigation in Unknown Environments

Xuecheng Xu, Cheng Wang+2 more|arXiv (Cornell University)|Sep 20, 2021

Robotic Path Planning Algorithms参考文献 22被引用 5

一句话总结

HiTMap 提出了一种分层拓扑地图表示方法，结合局部度量地图用于避障，以及可重用的稀疏拓扑路网，以实现在未知环境中的高效大规模导航。通过使用基于子地图的分层拓扑结构与连通性验证，HiTMap 确保了内存和计算的有界性，在可扩展性和抗漂移能力方面优于全局度量地图，并通过仿真和真实世界实验得到验证，采用开源实现。

ABSTRACT

The ability to autonomously navigate in unknown environments is important for mobile robots. The map is the core component to achieve this. Most map representations rely on drift-free state estimation and provide a global metric map to navigate. However, in large-scale real-world applications, it's hard to prohibit drifts and compose a globally consistent map quickly. In this paper, a novel representation named, HiTMap, is proposed to enhance the existing map representations. The central idea is to adopt a submap-based hierarchical topology rather than a global metric map so that only a local metric map is maintained for obstacle avoidance which ensures the lightweight of the representation. To guide the robots navigate into unknown spaces, frontiers are detected and attached to the map as an attribute. We also develop a path planning module to evaluate the feasibility and efficiency of our map representation. The system is validated in a simulation environment and a demonstration in the real world is conducted. In addition, the HiTMap is made available open-source.

研究动机与目标

• 为解决全局度量地图在大规模、易漂移环境中的移动机器人导航局限性。
• 通过避免全局地图重新整合，降低长期自主导航中的计算和内存开销。
• 通过轻量级、可重用的拓扑路网确保可通行区域的完整覆盖。
• 通过验证拓扑连接以防止错误的闭环闭合，提升导航鲁棒性。
• 通过分层、增量式映射策略，实现在未知环境中的高效路径规划。

提出的方法

• HiTMap 使用基于子地图的分层拓扑结构，仅维护一个局部度量地图以实现实时避障。
• 采用受概率路网（PRM）启发的均匀采样策略，逐步构建稀疏拓扑路网，以确保自由空间的完整覆盖。
• 局部可通行顶点在子地图内通过局部边连接，而全局边则在粗粒度拓扑结构中连接相邻子地图。
• 通过路网验证连通性机制，检查闭环边，防止错误的拓扑连接。
• 系统复用存储的邻近路网以构建新局部区域，减少冗余计算。
• 闭环更新仅修改顶点坐标并添加边至全局拓扑，避免昂贵的全局地图重新整合。

实验结果

研究问题

• RQ1 如何在具有状态估计漂移的大规模未知环境中，保持地图表示的可扩展性与一致性？
• RQ2 稀疏拓扑路网是否能在降低计算成本的同时确保可通行区域的完整覆盖？
• RQ3 如何验证拓扑连接以防止地面机器人导航中的错误闭环闭合？
• RQ4 与全局度量地图相比，分层拓扑映射在内存和时间效率方面提升了多少？
• RQ5 所提出的地图表示是否能在复杂动态环境中支持可靠的路径规划？

主要发现

• HiTMap 在长时间运行中实现了有界的内存使用，而修改后的 GEM 在大规模探索中表现出无界的内存增长。
• HiTMap 的时间消耗保持稳定且呈线性增长，而 GEM 在闭环时因全局地图重新整合出现尖锐的峰值。
• 在仿真中，HiTMap 在‘陷阱陷阱’（bug trap）等复杂场景中成功导航，而局部度量地图在此类场景中失效。
• 连通性验证机制成功识别并丢弃了由位置识别误报引起的有害闭环边。
• 真实世界实验表明，即使在多次闭环后，HiTMap 仍能保持一致的性能，且内存和计算消耗有界。
• HiTMap 的开源发布促进了社区采纳，并可集成至真实世界的 SLAM 系统中。