UAV-assisted Visual SLAM Generating Reconstructed 3D Scene Graphs in GPS-denied Environments

要約

航空ロボットは、環境に関するロボットの状況認識が基本的な要求となるさまざまな用途で重要な役割を果たします。
そのようなユースケースの 1 つとして、GPS が拒否された環境でのドローンには、姿勢推定と位置特定を実行しながら信頼性の高いセンシング結果を提供するさまざまなセンサー (ビジョン センサーなど) を装備する必要があります。
この論文では、ドローンに搭載されたカメラを使用して、高度な表現のための 3D シーン グラフを生成すると同時に、屋内環境のマップを再構成することを目標としています。
したがって、コンパニオン コンピュータと RGB-D カメラを備えた空中ロボットが構築され、著者らが提案した Visual Simultaneous Localization and Mapping (VSLAM) フレームワークと適切に統合されるように採用されました。
地図を再構築する際のロボットの状況認識を強化するために、ドアや壁などのさまざまな構造要素に印刷された基準マーカーが付けられ、それらの間の位相関係の辞書がシステムに供給されました。
VSLAM システムはマーカーを検出し、廊下や部屋などの高レベルのセマンティック エンティティが豊富に含まれる屋内エリアのマップを再構築します。
もう 1 つの成果は、屋内環境の強化された階層表現を含む多層のビジョンベースの状況グラフを生成したことです。
この点に関して、VSLAM を使用するドローンに統合し、GPS が拒否された環境にエンドツーエンドのロボット アプリケーションを提供することがこのホワイト ペーパーの主な目標です。
システムの実用性を示すために、さまざまな現実世界の条件実験が、異なる構造レイアウトを備えた屋内シナリオで実施されました。
評価の結果、提案されたドローン アプリケーションは、環境に対して適切に機能できることが示されています。
真実のデータとそのベースライン。

要約(オリジナル)

Aerial robots play a vital role in various applications where the situational awareness of the robots concerning the environment is a fundamental demand. As one such use case, drones in GPS-denied environments require equipping with different sensors (e.g., vision sensors) that provide reliable sensing results while performing pose estimation and localization. In this paper, reconstructing the maps of indoor environments alongside generating 3D scene graphs for a high-level representation using a camera mounted on a drone is targeted. Accordingly, an aerial robot equipped with a companion computer and an RGB-D camera was built and employed to be appropriately integrated with a Visual Simultaneous Localization and Mapping (VSLAM) framework proposed by the authors. To enhance the situational awareness of the robot while reconstructing maps, various structural elements, including doors and walls, were labeled with printed fiducial markers, and a dictionary of the topological relations among them was fed to the system. The VSLAM system detects markers and reconstructs the map of the indoor areas enriched with higher-level semantic entities, including corridors and rooms. Another achievement is generating multi-layered vision-based situational graphs containing enhanced hierarchical representations of the indoor environment. In this regard, integrating VSLAM into the employed drone is the primary target of this paper to provide an end-to-end robot application for GPS-denied environments. To show the practicality of the system, various real-world condition experiments have been conducted in indoor scenarios with dissimilar structural layouts. Evaluations show the proposed drone application can perform adequately w.r.t. the ground-truth data and its baseline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google