[论文解读] Towards Fully Environment-Aware UAVs: Real-Time Path Planning with Online 3D Wind Field Prediction in Complex Terrain

Philipp Oettershagen, Florian Achermann+3 more|arXiv (Cornell University)|Dec 10, 2017

Robotic Path Planning Algorithms参考文献 28被引用 12

一句话总结

本论文提出了一种针对固定翼无人机在复杂地形中首次实现的实时、机载三维风场预测方法，该方法结合了全球气象数据的降尺度处理与势流理论，并集成了一种风感知路径规划算法，该算法采用Dubins飞机运动基元和障碍物感知采样。与无风假设相比，该方法将水平风误差降低了23%，并在强风条件下始终生成无碰撞路径，尽管垂直风场精度仍有限。

ABSTRACT

Today, low-altitude fixed-wing Unmanned Aerial Vehicles (UAVs) are largely limited to primitively follow user-defined waypoints. To allow fully-autonomous remote missions in complex environments, real-time environment-aware navigation is required both with respect to terrain and strong wind drafts. This paper presents two relevant initial contributions: First, the literature's first-ever 3D wind field prediction method which can run in real time onboard a UAV is presented. The approach retrieves low-resolution global weather data, and uses potential flow theory to adjust the wind field such that terrain boundaries, mass conservation, and the atmospheric stratification are observed. A comparison with 1D LIDAR data shows an overall wind error reduction of 23% with respect to the zero-wind assumption that is mostly used for UAV path planning today. However, given that the vertical winds are not resolved accurately enough further research is required and identified. Second, a sampling-based path planner that considers the aircraft dynamics in non-uniform wind iteratively via Dubins airplane paths is presented. Performance optimizations, e.g. obstacle-aware sampling and fast 2.5D-map collision checks, render the planner 50% faster than the Open Motion Planning Library (OMPL) implementation. Test cases in Alpine terrain show that the wind-aware planning performs up to 50x less iterations than shortest-path planning and is thus slower in low winds, but that it tends to deliver lower-cost paths in stronger winds. More importantly, in contrast to the shortest-path planner, it always delivers collision-free paths. Overall, our initial research demonstrates the feasibility of 3D wind field prediction from a UAV and the advantages of wind-aware planning. This paves the way for follow-up research on fully-autonomous environment-aware navigation of UAVs in real-life missions and complex terrain.

研究动机与目标

• 实现复杂地形中完全自主、环境感知的无人机任务，具备对风和地形的实时适应能力。
• 解决当前无人机依赖地面NWP系统预计算、非自适应风场的局限性。
• 开发一种机载系统，能够在无需外部基础设施支持的情况下实现实时三维风场预测与动态路径规划。
• 通过集成风感知轨迹优化，提升强风或湍流条件下飞行的安全性与效率。
• 为未来在阿尔卑斯等复杂环境中的自主超视距（BVLOS）任务奠定基础。

提出的方法

• 一种降尺度方法利用低分辨率全球NWP数据，并应用势流理论以确保地形边界、质量守恒和大气层结，实现实时三维风场预测。
• 风场预测模型整合了地形影响，并通过基于物理的方法对初始风场进行调整，以提高相对于零风假设的准确性。
• 一种基于采样的路径规划器采用Dubins飞机运动基元来建模飞行器动力学，并迭代计算考虑风影响的轨迹。
• 通过障碍物感知采样和快速的2.5D地图碰撞检测，加速路径规划，与OMPL相比计算时间减少50%。
• 规划器采用风感知运动代价启发式方法，并迭代优化路径，以最小化非均匀风场中的时间或能量成本。
• 提出一种混合策略：先使用扩展边界框的最短路径规划快速生成初始解，随后在时间允许时通过风感知规划进行优化。

实验结果

研究问题

• RQ1 能否开发一种实时、机载的三维风场预测方法，准确捕捉复杂地形中的局部风效应？
• RQ2 在强风或风速变化较大的情况下，风感知路径规划与最短路径规划在路径质量、可行性及计算成本方面有何对比？
• RQ3 与无风假设相比，所提出的风预测方法在水平风误差方面能降低多少？
• RQ4 实时风场预测与动态路径规划的集成能否确保在复杂、受风影响环境中无碰撞飞行？
• RQ5 通过障碍物感知采样和优化的2.5D地形地图碰撞检测，可实现哪些性能提升？

主要发现

• 所提出的三维风场预测方法相比无风假设，将水平风误差降低了23%，显著优于当前实践。
• 风感知路径规划器在强风或风速变化较大的复杂地形中始终生成无碰撞路径，而最短路径规划器则频繁导致地形碰撞。
• 在强风条件下，风感知规划器生成的路径成本低于最短路径规划，且随着风速增加，成本优势进一步扩大。
• 通过障碍物感知采样和快速2.5D碰撞检测，优化后的路径规划器运行速度比标准OMPL实现快50%。
• 在高风速场景下，风感知规划器的迭代次数最多可比最短路径规划器减少50倍，表明其在风影响下具有更优的收敛特性。
• 垂直风分量的解析精度不足，凸显了该问题作为未来研究的关键局限。