[论文解读] Visibility-aware Trajectory Optimization with Application to Aerial Tracking

Qianhao Wang, Yuman Gao+3 more|arXiv (Cornell University)|Mar 11, 2021

Robotic Path Planning Algorithms被引用 4

一句话总结

本文提出了一种可微分的、具备可见性感知能力的轨迹优化方法，用于空中机器人，通过联合优化位置与偏航角以最大化目标可见性，同时考虑观测距离、观测角度及遮挡因素。在真实四旋翼追踪实验中，该方法显著提升了追踪鲁棒性与成功率，优于当前最先进规划器。

ABSTRACT

The visibility of targets determines performance and even success rate of various applications, such as active slam, exploration, and target tracking. Therefore, it is crucial to take the visibility of targets into explicit account in trajectory planning. In this paper, we propose a general metric for target visibility, considering observation distance and angle as well as occlusion effect. We formulate this metric into a differentiable visibility cost function, with which spatial trajectory and yaw can be jointly optimized. Furthermore, this visibility-aware trajectory optimization handles dynamic feasibility of position and yaw simultaneously. To validate that our method is practical and generic, we integrate it into a customized quadrotor tracking system. The experimental results show that our visibility-aware planner performs more robustly and observes targets better. In order to benefit related researches, we release our code to the public.

研究动机与目标

• 为解决空中机器人领域中缺乏全面的可见性感知轨迹规划问题，特别是在动态追踪过程中保持目标可见性方面的问题。
• 设计一种可微分的可见性代价函数，显式建模观测距离、观测角度及遮挡的影响。
• 在动态可行性与安全约束下，联合优化空间轨迹与偏航角。
• 在真实空中追踪应用中验证该方法的鲁棒性与通用性。
• 发布开源代码，以支持更广泛的应用与可见性感知规划的进一步研究。

提出的方法

• 设计了一种可微分的可见性代价函数，基于三个标准量化可见性：观测距离、观测角度以及障碍物造成的遮挡。
• 将可见性代价集成进联合优化框架中，实现位置与偏航轨迹的同时优化。
• 优化过程包含位置与偏_yaw_的动态可行性约束，确保所规划运动的物理可实现性。
• 将该方法嵌入定制化的四旋翼追踪系统中，并采用基于动力学的遮挡规避前处理模块，用于初始路径生成。
• 采用多项式轨迹表示法，实现连续、可微分的优化，且在状态维度增加时仍具有良好可扩展性。
• 通过在不同目标运动模式与障碍物条件下进行的仿真与真实世界实验，对规划器进行了评估。

实验结果

研究问题

• RQ1 如何将轨迹规划中的可见性建模为一个连续、可微分的函数，以同时考虑距离、角度与遮挡因素？
• RQ2 与顺序或解耦规划相比，联合优化位置与偏航角是否能显著提升目标追踪的鲁棒性？
• RQ3 在动态、障碍物密集的环境中，可见性感知轨迹优化对追踪成功率有何影响？
• RQ4 在真实世界空中追踪场景中，该方法相较于最先进规划器的性能优势有多大？
• RQ5 所提出的方法是否可泛化应用于多种多样的追踪场景，包括不可预测的目标运动与随机布局的障碍物？

主要发现

• 在随机部署障碍物的一般测试中，所提方法在目标速度为0.5 m/s时失败时间为100秒，而Fast-Tracker仅为39.1秒，表明其具有更优的鲁棒性。
• 在1.5 m/s的目标速度下，所提方法的失败时间仍为100秒，而Fast-Tracker在66.25秒时即失败。
• 在2.5 m/s的速度下，所提方法的失败时间为85.7秒，显著优于Fast-Tracker的11.0秒失败时间。
• 所提方法的追踪角度误差在整个测试过程中始终位于视场角（FOV）边界内，而Fast-Tracker因角度误差过大而频繁丢失目标。
• 热力图分析表明，所提方法始终将目标保持在视场中心区域，从而提升观测质量；而Fast-Tracker无法维持稳定的可见性。
• 真实世界实验表明，可见性感知规划能有效防止遮挡，尤其在急转弯时，确保目标追踪的连续性。