[论文解读] OF-VO: Reliable Navigation among Pedestrians Using Commodity Sensors.

Jing Liang, Yi-Ling Qiao+1 more|arXiv (Cornell University)|Apr 23, 2020

Robotic Path Planning Algorithms参考文献 34被引用 4

一句话总结

OF-VO 提出了一种基于混合学习与模型的导航系统，可在行人密集的动态环境中，利用通用传感器（RGB-D 相机和 2D 激光雷达）实现实时导航。通过将基于光流的障碍物速度预测与改进的速度障碍算法相结合，该方法在动态环境中相比以往方法实现了更高的碰撞规避成功率和更短的导航时间。

ABSTRACT

We present a novel algorithm for safe navigation of a mobile robot among pedestrians. Our approach uses commodity visual sensors, including RGB-D cameras and a 2D lidar, for explicitly predicting the velocities and positions of surrounding obstacles through optical flow estimation and object detection. Given these partial observations of the environment, we present a modified velocity-obstacle (VO) algorithm to compute collision-free trajectories for the robot. A key aspect of our work is the coupling between the perception (OF: optical flow) and planning (VO) components for reliable navigation. Overall, our OF-VO algorithm is a hybrid combination of learning-based and model-based methods and offers better performance over prior algorithms in terms of navigation time and success rate of collision avoidance. We highlight the realtime performance of OF-VO in simulated and real-world dynamic scenes on a Turtlebot robot navigating among pedestrians with commodity sensors. A demo video is available at \url{this https URL}

研究动机与目标

• 利用低成本通用传感器实现实时、安全的移动机器人在动态行人环境中的导航。
• 解决在部分和噪声传感器观测下准确预测行人运动的挑战。
• 在现有速度障碍法和基于学习的方法基础上，提升碰撞规避性能和导航效率。
• 将感知（光流）与运动规划（速度障碍）整合到统一的耦合框架中，以增强鲁棒性。

提出的方法

• 系统使用 RGB-D 相机和 2D 激光雷达实时采集环境的视觉与深度数据。
• 对 RGB-D 视频流应用光流估计，以预测移动障碍物的速度和位置。
• 使用目标检测识别并跟踪行人，以优化障碍物状态估计。
• 采用改进的速度障碍（VO）算法，基于预测的障碍物运动计算无碰撞机器人轨迹。
• 感知与规划组件紧密耦合，光流预测结果直接用于 VO 计算，以提升响应速度。
• 该算法在 Turtlebot 平台上的仿真和真实动态场景中实现并进行了评估。

实验结果

研究问题

• RQ1 基于通用传感器的混合感知-规划系统能否实现实时、可靠的行人密集环境中的机器人导航？
• RQ2 将光流估计与速度障碍规划耦合，如何提升碰撞规避性能？
• RQ3 使用来自 RGB-D 相机和 2D 激光雷达的部分、实时观测，对导航成功率和效率有何影响？
• RQ4 OF-VO 在性能上与以往基于学习和基于模型的导航方法相比如何？

主要发现

• 在仿真和真实行人场景中，OF-VO 的碰撞规避成功率均高于基线方法。
• 由于基于准确障碍物运动预测的更高效轨迹规划，该算法显著减少了平均导航时间。
• 系统在通用硬件上实现实时运行，证明了其在低成本移动机器人上部署的可行性。
• 光流与速度障碍组件的耦合，相比解耦方法，带来了更快速、更可靠的运动决策。