[论文解读] ROG-Map: An Efficient Robocentric Occupancy Grid Map for Large-scene and High-resolution LiDAR-based Motion Planning

Yunfan Ren, Yixi Cai+3 more|arXiv (Cornell University)|Feb 28, 2023

Robotic Path Planning Algorithms被引用 5

一句话总结

ROG-Map 是一种计算高效的机器人中心占据栅格地图（OGM），通过零内存复制滑动策略在机器人周围保持高分辨率局部地图，实现在大规模、高分辨率激光雷达（LiDAR）运动规划中的实时性能。在 50 Hz 下，其每帧更新仅消耗 0.33% 的时间用于障碍物膨胀，帧时间占比为 29.8%，展现出卓越的效率与在复杂环境中的实际应用潜力。

ABSTRACT

Recent advances in LiDAR technology have opened up new possibilities for robotic navigation. Given the widespread use of occupancy grid maps (OGMs) in robotic motion planning, this paper aims to address the challenges of integrating LiDAR with OGMs. To this end, we propose ROG-Map, a uniform grid-based OGM that maintains a local map moving along with the robot to enable efficient map operation and reduce memory costs for large-scene autonomous flight. Moreover, we present a novel incremental obstacle inflation method that significantly reduces the computational cost of inflation. The proposed method outperforms state-of-the-art (SOTA) methods on various public datasets. To demonstrate the effectiveness and efficiency of ROG-Map, we integrate it into a complete quadrotor system and perform autonomous flights against both small obstacles and large-scale scenes. During real-world flight tests with a 0.05 m resolution local map and 30mx30mx12m local map size, ROG-Map takes only 29.8% of frame time on average to update the map at a frame rate of 50 Hz (\ie, 5.96 ms in 20 ms), including 0.33% (i.e., 0.66 ms) to perform obstacle inflation, demonstrating outstanding real-world performance. We release ROG-Map as an open-source ROS package to promote the development of LiDAR-based motion planning.

研究动机与目标

• 解决传统均匀网格占据栅格地图（OGM）在大规模、高分辨率激光雷达环境中计算与内存开销过高的问题。
• 为在复杂、障碍物密集场景中运行的自主无人机提供实时地图更新与障碍物膨胀能力。
• 开发一种在保持高分辨率与高性能的同时，最大限度减少机载资源使用的系统。
• 在搭载机载传感与控制系统的全自主四旋翼飞行中，验证实时、高分辨率 OGM 的可行性。

提出的方法

• ROG-Map 采用基于均匀网格的 OGM，通过零内存复制的地图滑动策略，动态维护以机器人为中心的局部地图，从而降低内存与计算开销。
• 提出一种新颖的增量式障碍物膨胀方法，仅对占据状态发生变化的网格进行操作，将复杂度降低至与变化网格数量成线性关系 O(n)。
• 利用占据状态变化的特性，避免对未改变的网格重复计算膨胀，显著加速膨胀过程，同时不损失精度。
• 将系统集成至完整的四旋翼飞行平台，配备机载激光雷达、计算单元与控制模块，用于真实环境下的验证。
• ROG-Map 以开源 ROS 包形式实现，支持在激光雷达运动规划研究领域更广泛的应用。
• 局部地图以 50 Hz 的频率更新，分辨率为 0.05 m，尺寸为 30 m × 30 m × 6 m，支持高精度障碍物检测。

实验结果

研究问题

• RQ1 在机载资源受限的条件下，基于均匀网格的 OGM 是否能在大规模、高分辨率激光雷达环境中实现实时性能？
• RQ2 如何优化障碍物膨胀以降低计算成本，同时不损害安全性或精度？
• RQ3 机器人中心的局部地图策略是否能在动态环境中保持高分辨率与高性能，同时最小化内存使用？
• RQ4 在计算时间、内存消耗与真实飞行性能方面，ROG-Map 与当前最先进的 OGM 方法相比表现如何？

主要发现

• 在真实飞行中，ROG-Map 的平均地图更新时间为每帧 5.96 ms（占 20 ms 帧时间的 29.8%），其中仅 0.66 ms 用于障碍物膨胀。
• 在大规模巡检任务中，ROG-Map 将膨胀计算时间降低至每帧 0.06 ms，实现在嵌入式硬件上的实时运行。
• 系统成功完成了一条 502.23 m 的飞行路径，在大规模场景中通过多个航点，成功避障且未发生碰撞。
• 与基线方法如 Octomap 和 Hashmap 相比，ROG-Map 在计算时间与内存效率方面表现更优，后者因内存溢出而失败。
• 增量式膨胀方法在保持一致精度的同时，将计算复杂度降低至与变化网格数量成线性关系 O(n)。
• 开源 ROS 包支持在激光雷达运动规划领域更广泛的集成与开发，并已在全自主四旋翼飞行器上完成真实环境验证。