[论文解读] Mapless-Planner: A Robust and Fast Planning Framework for Aggressive Autonomous Flight without Map Fusion

Jialin Ji, Zhepei Wang+3 more|arXiv (Cornell University)|Nov 8, 2020

Robotic Path Planning Algorithms参考文献 16被引用 5

一句话总结

本文提出 Mapless-Planner，一种轻量级、无地图的运动规划框架，专为激进的四旋翼飞行设计。该框架通过一种新型数据结构（PicoMap）和基于采样的自由空间骨架提取方法（Forward Spanning Tree），直接从未经融合的原始传感器数据中提取环境结构。通过智能的航路点插入策略，实现高质量轨迹生成，在复杂环境中无需地图融合的情况下，显著提升了重规划的一致性和成功率。

ABSTRACT

Maintaining a map online is resource-consuming while a robust navigation system usually needs environment abstraction via a well-fused map. In this paper, we propose a mapless planner which directly conducts such abstraction on the unfused sensor data. A limited-memory data structure with a reliable proximity query algorithm is proposed for maintaining raw historical information. A sampling-based scheme is designed to extract the free-space skeleton. A smart waypoint selection strategy enables to generate high-quality trajectories within the resultant flight corridors. Our planner differs from other mapless ones in that it can abstract and exploit the environment information efficiently. The online replan consistency and success rate are both significantly improved against conventional mapless methods.

研究动机与目标

• 开发一种轻量级、无地图的规划框架，实现在不依赖地图融合的情况下实现激进的自主飞行。
• 克服现有无地图规划器的局限性，这些局限性通常源于缺乏环境抽象，导致视野短浅、对噪声敏感以及重规划不一致。
• 通过直接从未经融合的深度和强度数据中提取自由空间骨架和飞行走廊，实现鲁棒且高效的轨迹生成。
• 与最先进的无地图方法（如 NanoMap 和 RAPPIDS）相比，提升在复杂、杂乱环境中的在线重规划一致性和成功率。

提出的方法

• 提出 PicoMap，一种有限内存数据结构，通过自适应下采样存储历史原始传感器数据，并重新设计邻近查询接口，实现紧凑存储与准确可靠的查询。
• 提出 Forward Spanning Tree (FST)，一种基于采样的算法，可直接从未经融合的深度数据中提取自由空间骨架并生成球形飞行走廊，利用完整的邻近查询信息实现环境抽象。
• 采用智能航路点选择策略，在生成的走廊内插入中间航路点，以抑制轨迹偏离，同时保持动态性能和可行性。
• 使用轻量级轨迹生成器，利用已有优化方法 [9] 高效生成高质量、动态可行的轨迹，计算成本极低。
• 将各组件集成到模块化框架中，实现实时处理传感器数据，实现无需维护融合地图的在线重规划。
• 采用基于 k-d 树的邻近查询系统，支持位姿不确定性处理，增强在边界情况下的准确性，并更高效地利用距离和方向数据。

实验结果

研究问题

• RQ1 无地图规划器是否能在不维护融合地图的情况下实现鲁棒且一致的在线重规划？
• RQ2 能否有效从未经融合的传感器数据中直接抽象出环境结构，以支持高质量的轨迹生成？
• RQ3 基于直接抽象的无地图规划器，在复杂环境中的成功率和规划速度方面，与基于地图或无地图方法相比表现如何？
• RQ4 智能航路点选择策略是否能显著降低轨迹计算成本，同时保持动态可行性和走廊遵循性？

主要发现

• 在基准仿真测试中，所提规划器平均到达时间比 NanoMap 快 19%，证明了其效率的提升。
• 在复杂环境中，所提方法的成功率显著高于 RAPPIDS 和 NanoMap；其中 RAPPIDS 在狭窄通道中失败，而 NanoMap 因错误的障碍物距离估计导致成功率较低。
• 在 80% 的成功轨迹生成中，仅插入一个或更少的额外航路点，表明航路点选择策略具有极高效率。
• 构建 k-d 树、生成 FST 和生成轨迹的平均计算时间分别为 3.24ms、0.98ms 和 0.26ms，其中超过一半时间消耗在图像像素访问上。
• 当 FST 中采样点数达到 200 时，到达时间的改进趋于饱和，表明在典型环境中 200 个采样点已足够实现有效规划。
• 该框架在动态、复杂环境中保持了高重规划一致性和鲁棒性，在安全性与激进飞行性能方面均优于现有无地图方法。