[论文解读] Predicting Terrain Mechanical Properties in Sight for Planetary Rovers with Semantic Clues

Ruyi Zhou, Wenhao Feng+5 more|arXiv (Cornell University)|Nov 3, 2020

Robotic Locomotion and Control参考文献 50被引用 4

一句话总结

本文提出一种基于视觉的方法，利用巡视器搭载相机的语义线索，提前预测地形的承载力和抗剪切阻力等机械性能，实现对非几何性障碍物的主动规避。该方法采用轻量级语义分割网络，结合类人推理，对测试路线的承载力和抗剪切阻力预测误差分别达到12.5%和10.8%，显著提升了行星巡视器路径规划的安全性。

ABSTRACT

Non-geometric mobility hazards such as rover slippage and sinkage posing great challenges to costly planetary missions are closely related to the mechanical properties of terrain. In-situ proprioceptive processes for rovers to estimate terrain mechanical properties need to experience different slip as well as sinkage and are helpless to untraversed regions. This paper proposes to predict terrain mechanical properties with vision in the distance, which expands the sensing range to the whole view and can partly halt potential slippage and sinkage hazards in the planning stage. A semantic-based method is designed to predict bearing and shearing properties of terrain in two stages connected with semantic clues. The former segmentation phase segments terrain with a light-weighted network promising to be applied onboard with competitive 93% accuracy and high recall rate over 96%, while the latter inference phase predicts terrain properties in a quantitative manner based on human-like inference principles. The prediction results in several test routes are 12.5% and 10.8% in full-scale error and help to plan appropriate strategies to avoid suffering non-geometric hazards.

研究动机与目标

• 解决行星巡视器任务中因打滑和下陷等非几何性移动障碍带来的挑战。
• 通过从远处视觉数据中预测地形机械性能，将感知范围扩展至接触式本体感知之外。
• 开发一种利用语义线索推断地形定量机械性能的方法，实现在巡视器行进前预测地形特性。
• 通过提前估算地形性能，实现对危险区域的主动路径规划。
• 在支持机载部署的前提下，实现地形分割的高精度与高召回率。

提出的方法

• 使用轻量级语义分割网络，实时对机载相机图像中的地形类型进行分类。
• 该方法采用两阶段流程：首先将地形分割为语义类别，然后基于学习到的类人推理原则推断机械性能。
• 利用从分割后的地形区域提取的语义线索，对机械性能进行定量预测。
• 推理阶段通过类比人类感知，基于视觉纹理、颜色和结构特征，对地形行为进行建模并分配机械性能参数。
• 系统设计支持机载部署，具备高效率和低计算开销。
• 该方法将语义分割与物理性能估计相结合，将感知范围扩展至直接接触之外。

实验结果

研究问题

• RQ1 能否从远处视觉数据中预测地形机械性能，以提前识别非几何性风险？
• RQ2 语义分割与推理模型在多大程度上能准确估算行星地形的承载力与抗剪切阻力？
• RQ3 与纯几何或物理模型相比，使用语义线索在多大程度上提升了预测精度？
• RQ4 所提方法能否在巡视器上实现部署，且计算开销在可接受范围内？
• RQ5 该方法在路径规划中减少打滑与下陷风险的实效性如何？

主要发现

• 语义分割模型达到93%的准确率，召回率超过96%，展现出适合机载部署的优异性能。
• 预测方法在测试路线上将全量程误差降低至12.5%（承载力）和10.8%（抗剪切阻力）。
• 系统成功将感知范围扩展至原位测量之外，实现在任务规划阶段提前识别潜在风险。
• 两阶段方法（先分割后语义引导推理）在无需直接物理接触的情况下，有效实现了机械性能估计。
• 该方法可实现在巡视前主动规避打滑与下陷等非几何性障碍。
• 结果表明，利用视觉与语义线索实时预测地形力学性能在行星巡视器中具有可行性。