[论文解读] TTM: Terrain Traversability Mapping for Autonomous Excavator Navigation in Unstructured Environments.

Tianrui Guan, Zhenpeng He+2 more|arXiv (Cornell University)|Sep 13, 2021

Robot Manipulation and Learning参考文献 32被引用 14

一句话总结

本文提出地形可通行性制图（TTM），一种基于学习的实时方法，通过融合RGB图像与三维点云数据，估计非结构化环境中自主挖掘机的地形可通行性。通过整合挖掘机特有的物理约束并动态更新地图，TTM在复杂地形（如深坑和碎石堆）上的路径规划成功率相比先前方法提高了49.3%。

ABSTRACT

We present Terrain Traversability Mapping (TTM), a real-time mapping approach for terrain traversability estimation and path planning for autonomous excavators in an unstructured environment. We propose an efficient learning-based geometric method to extract terrain features from RGB images and 3D pointclouds and incorporate them into a global map for planning and navigation for autonomous excavation. Our method used the physical characteristics of the excavator, including maximum climbing degree and other machine specifications, to determine the traversable area. Our method can adapt to changing environments and update the terrain information in real-time. Moreover, we prepare a novel dataset, Autonomous Excavator Terrain (AET) dataset, consisting of RGB images from construction sites with seven categories according to navigability. We integrate our mapping approach with planning and control modules in an autonomous excavator navigation system, which outperforms previous method by 49.3% in terms of success rate based on existing planning schemes. With our mapping the excavator can navigate through unstructured environments consisting of deep pits, steep hills, rock piles, and other complex terrain features.

研究动机与目标

• 解决在具有复杂地形特征的非结构化施工环境中实现自主导航的挑战。
• 开发一种基于视觉和几何数据实时自适应的地形可通行性估计映射系统。
• 将地形可通行性估计与规划和控制相结合，实现自主挖掘机的运行。
• 提升在深坑、陡坡和碎石堆等复杂环境中的路径规划成功率。

提出的方法

• TTM采用基于学习的几何方法，从RGB图像和三维点云中提取地形特征。
• 在可通行性估计过程中引入挖掘机特有的物理约束，如最大爬坡角度。
• 系统维护一个全局可通行性地图，并实时更新以反映环境变化。
• 创建了一个新型数据集——自主挖掘机地形（AET），包含七个可通行性类别，用于方法的训练与评估。
• 将映射框架与规划和控制模块集成，构成完整的自主导航系统。
• 该方法能够在运行过程中动态适应地形条件的变化。

实验结果

研究问题

• RQ1 如何在非结构化施工场地中，基于RGB和三维数据实时准确估计地形可通行性？
• RQ2 挖掘机特有的物理约束在定义可通行区域中起到何种作用？
• RQ3 实时地图更新如何提升在动态复杂环境中的导航性能？
• RQ4 所提出的TTM方法在非结构化地形中相比现有规划方案的优越程度如何？

主要发现

• 与现有规划方案相比，TTM使自主挖掘机导航的成功率提高了49.3%。
• 该方法成功实现了在复杂非结构化地形（包括深坑、陡坡和碎石堆）中的导航。
• AET数据集为地形评估提供了全面的基准，包含七个可通行性类别。
• 将物理机械约束集成到可通行性地图中，显著提升了规划的可靠性和安全性。
• 实时地图更新使系统能够在运行过程中适应环境变化。
• 基于学习的RGB和三维数据特征提取方法实现了鲁棒的地形理解，且无需大量人工标注。