要約
LiDAR 技術の最近の進歩により、ロボット ナビゲーションの新しい可能性が開かれました。
ロボットの動作計画で占有グリッド マップ (OGM) が広く使用されていることを考慮して、このホワイト ペーパーでは、LiDAR を OGM と統合する際の課題に対処することを目的としています。
この目的のために、効率的なマップ操作を可能にし、大規模なシーンの自律飛行のメモリ コストを削減するために、ロボットと共に移動するローカル マップを維持する均一なグリッド ベースの OGM である ROG-Map を提案します。
さらに、インフレーションの計算コストを大幅に削減する新しい増分障害インフレーション法を提示します。
提案された方法は、さまざまな公開データセットで最先端の (SOTA) メソッドよりも優れています。
ROG-Map の有効性と効率性を実証するために、ROG-Map を完全なクアッドローター システムに統合し、小さな障害物と大規模なシーンの両方に対して自律飛行を実行します。
解像度 0.05 m のローカル マップと 30mx30mx12m のローカル マップ サイズを使用した実世界での飛行テスト中、ROG-Map は平均でフレーム時間の 29.8% しかかからず、50 Hz のフレーム レートでマップを更新します (\つまり、20 秒で 5.96 ミリ秒)。
ミリ秒)、0.33% (つまり、0.66 ミリ秒) を含めて、障害物の膨張を実行し、優れた現実世界のパフォーマンスを示しています。
LiDARベースのモーションプランニングの開発を促進するために、ROG-MapをオープンソースのROSパッケージとしてリリースしています。
要約(オリジナル)
Recent advances in LiDAR technology have opened up new possibilities for robotic navigation. Given the widespread use of occupancy grid maps (OGMs) in robotic motion planning, this paper aims to address the challenges of integrating LiDAR with OGMs. To this end, we propose ROG-Map, a uniform grid-based OGM that maintains a local map moving along with the robot to enable efficient map operation and reduce memory costs for large-scene autonomous flight. Moreover, we present a novel incremental obstacle inflation method that significantly reduces the computational cost of inflation. The proposed method outperforms state-of-the-art (SOTA) methods on various public datasets. To demonstrate the effectiveness and efficiency of ROG-Map, we integrate it into a complete quadrotor system and perform autonomous flights against both small obstacles and large-scale scenes. During real-world flight tests with a 0.05 m resolution local map and 30mx30mx12m local map size, ROG-Map takes only 29.8% of frame time on average to update the map at a frame rate of 50 Hz (\ie, 5.96 ms in 20 ms), including 0.33% (i.e., 0.66 ms) to perform obstacle inflation, demonstrating outstanding real-world performance. We release ROG-Map as an open-source ROS package to promote the development of LiDAR-based motion planning.
arxiv情報
著者 | Yunfan Ren,Yixi Cai,Fangcheng Zhu,Siqi Liang,Fu Zhang |
発行日 | 2023-02-28 18:17:14+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google