[论文解读] Search and Rescue under the Forest Canopy using Multiple UAVs

Yulun Tian, Katherine Liu+5 more|arXiv (Cornell University)|Aug 28, 2019

Remote Sensing and LiDAR Applications被引用 4

一句话总结

本文提出一种用于森林树冠下无GPS环境的多架无人飞行器（UAV）搜救系统，利用机载2D激光雷达实现实时定位与建图，并通过地面中心站实现协同SLAM。通过利用树群配置作为独特特征并采用循环一致的多路匹配方法，该系统实现了鲁棒的回环检测与更精确的数据关联，已在NASA兰利研究中心的真实森林飞行中得到验证。

ABSTRACT

We present a multi-robot system for GPS-denied search and rescue under the forest canopy. Forests are particularly challenging environments for collaborative exploration and mapping, in large part due to the existence of severe perceptual aliasing which hinders reliable loop closure detection for mutual localization and map fusion. Our proposed system features unmanned aerial vehicles (UAVs) that perform onboard sensing, estimation, and planning. When communication is available, each UAV transmits compressed tree-based submaps to a central ground station for collaborative simultaneous localization and mapping (CSLAM). To overcome high measurement noise and perceptual aliasing, we use the local configuration of a group of trees as a distinctive feature for robust loop closure detection. Furthermore, we propose a novel procedure based on cycle consistent multiway matching to recover from incorrect pairwise data associations. The returned global data association is guaranteed to be cycle consistent, and is shown to improve both precision and recall compared to the input pairwise associations. The proposed multi-UAV system is validated both in simulation and during real-world collaborative exploration missions at NASA Langley Research Center.

研究动机与目标

• 解决森林环境中由于视觉相似的树木导致的感知混淆问题，从而影响可靠的回环检测。
• 在间歇性、低带宽通信条件下，通过将密集的3D占据网格压缩为稀疏的基于树木的子图，实现协同同时定位与地图构建（CSLAM）。
• 通过引入循环一致的多路匹配过程，克服因测量噪声和感知混淆导致的不准确成对数据关联。
• 开发一种实时、机载的自主系统栈，用于在无GPS、森林环境中进行多UAV探索与建图。
• 通过在NASA兰利研究中心森林区域的真实飞行测试，验证系统的有效性。

提出的方法

• 使用2D激光雷达扫描在UAV上构建密集的3D占据网格，通过扩展卡尔曼滤波（EKF）实现局部轨迹规划与状态估计。
• 从3D网格中分割出局部子图，并通过检测树干将子图压缩为基于树木的表示形式，从而降低通信带宽。
• 在通信可用时，将压缩后的基于树木的子图传输至中心地面站，用于协同SLAM。
• 通过基于树群相对位置与朝向的匹配来检测回环，这些特征具有独特性，能有效抵抗感知混淆。
• 应用循环一致的多路匹配方法，以优化初始的成对数据关联，确保最终的数据关联图满足循环一致性，从而提升精度与召回率。
• 在地面站执行基于地标（landmark-based）的SLAM，联合优化子图原点与全局树木位置，生成全局一致的地图。

实验结果

研究问题

• RQ1 如何在密集森林中缓解感知混淆，以实现多UAV SLAM系统中可靠的回环检测？
• RQ2 在存在高测量噪声且树木间视觉相似性高的情况下，如何实现子图之间高效可靠的数据关联？
• RQ3 在通信受限条件下，能否通过利用循环一致性来提升协同SLAM中数据关联的准确性和可靠性？
• RQ4 在多UAV森林探索过程中，如何在不牺牲地图保真度的前提下最小化通信带宽？
• RQ5 基于2D子图的方法在3D森林环境中能保持多高的精度？该假设存在哪些局限性？

主要发现

• 所提出的系统成功使两架UAV在无GPS条件下自主探索并协同绘制了NASA兰利研究中心的森林区域地图。
• 将树群配置作为特征显著提升了回环检测的鲁棒性，相比单棵树匹配，有效减少了因感知混淆导致的误报。
• 循环一致的多路匹配过程在精度与召回率方面均优于输入的成对匹配结果，如图16所示。
• 最终通过CSLAM生成的全局地图显示出子图的精确对齐与一致的树木位置，初始关联中的长边（异常值）被成功剔除。
• 系统通过使用压缩的基于树木的地图实现了可靠的机载估计与规划，即使在通信间歇的情况下也能实现高效探索。
• 2D地图假设在稀疏森林中已足够，但未来工作将探索在更密集环境中的3D扩展方案。