[论文解读] Sparse 3D Topological Graphs for Micro-Aerial Vehicle Planning

Helen Oleynikova, Zachary Taylor+2 more|arXiv (Cornell University)|Mar 12, 2018

Robotic Path Planning Algorithms参考文献 17被引用 5

一句话总结

该论文提出了一种从噪声RGB-D传感器数据中生成稀疏、抗噪3D拓扑图的方法，用于微型飞行器（MAV）路径规划。通过从欧氏有符号距离场（ESDF）构建3D广义Voronoi图（GVD），提取纤细的骨架，并将其拟合为稀疏图，该方法使全局规划速度比RRT*快800倍，同时保持了拓扑连通性和障碍物避让。

ABSTRACT

Micro-Aerial Vehicles (MAVs) have the advantage of moving freely in 3D space. However, creating compact and sparse map representations that can be efficiently used for planning for such robots is still an open problem. In this paper, we take maps built from noisy sensor data and construct a sparse graph containing topological information that can be used for 3D planning. We use a Euclidean Signed Distance Field, extract a 3D Generalized Voronoi Diagram (GVD), and obtain a thin skeleton diagram representing the topological structure of the environment. We then convert this skeleton diagram into a sparse graph, which we show is resistant to noise and changes in resolution. We demonstrate global planning over this graph, and the orders of magnitude speed-up it offers over other common planning methods. We validate our planning algorithm in real maps built onboard an MAV, using RGB-D sensing.

研究动机与目标

• 解决在真实世界、噪声环境中运行的MAV缺乏鲁棒、稀疏3D拓扑地图表示的问题。
• 开发一种从真实传感器数据构建的密集3D体素地图中提取拓扑准确、抗噪骨架的方法。
• 创建一种保持连通性和障碍物避让的稀疏图表示，同时实现超高速全局规划。
• 通过机载RGB-D传感的真实MAV飞行实验，验证该方法的可行性和性能。
• 为多阶段任务（如工业巡检或搜救）提供快速初始路径规划能力。

提出的方法

• 使用voxblox库从噪声RGB-D传感器数据构建密集3D欧氏有符号距离场（ESDF）。
• 借鉴图形学骨架化文献中的技术，从ESDF中提取3D广义Voronoi图（GVD）或中轴线。
• 通过仅保留GVD的中心脊线，生成纤细的、1个体素宽的骨架图，以表示拓扑结构。
• 将稀疏的、直线连接的图拟合到骨架图上，确保拓扑连通性和几何简洁性。
• 利用生成的稀疏图进行高效的A*全局规划，并通过多项式优化对路径进行后续精细化处理，以满足动态可行性。
• 在MAV初始探索后离线处理地图，生成拓扑图，以实现实时重规划时的快速查询响应。

实验结果

研究问题

• RQ1 能否从真实、噪声的3D传感器数据中可靠地提取出表示环境可航行空间的3D拓扑图？
• RQ2 该方法在真实MAV制图中对传感器噪声和体素分辨率变化的鲁棒性如何？
• RQ3 与传统方法（如RRT*或A*在ESDF上的实现）相比，稀疏拓扑图能在多大程度上加速全局路径规划？
• RQ4 该方法生成的图是否能在初始规划后支持高质量、动态可行的轨迹？
• RQ5 该方法是否适合在嵌入式MAV硬件上使用机载传感与计算实现实时部署？

主要发现

• 在30 m × 30 m的迷宫中，该方法在稀疏图上的规划时间仅为3.28 ms，相比初始RRT*解（2.5 s）实现了800倍的加速。
• 与RRT Connect相比，该稀疏图方法的规划速度仍快50倍（0.153 s），表明在各类方法中均保持了稳定的性能提升。
• 该方法生成的路径长度为86.178 m，略长于最短路径（RRT*生成的62.079 m），但为最大避障余量路径。
• 通过在模拟和真实地图上的定量评估，验证了该方法对噪声和分辨率变化具有强鲁棒性。
• 在机载MAV计算机上，从一个20 m × 22 m的真实地图中，整个稀疏图在2.13秒内生成，证实了其适用于实时部署。
• 在真实飞行实验中，该方法成功实现了快速初始路径规划（图1中黄色部分），随后完成动态可行性和无碰撞优化（红色部分），展示了端到端的适用性。