Efficient Global Navigational Planning in 3D Structures based on Point Cloud Tomography

要約

複雑な 3D シナリオでのナビゲーションには、シーンの理解と軌跡の生成を効率的に行うための適切な環境表現が必要です。
私たちは、多層構造で地上ロボットをナビゲートするための、環境の断層撮影的理解に基づいた、高効率かつ拡張可能なグローバルナビゲーションフレームワークを提案します。
私たちのアプローチでは、点群マップを使用して断層像スライスを生成し、幾何学的構造を地面と天井の高さとしてエンコードします。
次に、ロボットの動作能力を考慮してシーンの通過可能性を評価します。
断層像の構築とシーンの評価は両方とも並列計算によって高速化されます。
私たちのアプローチは、3D 空間で直接計画する場合と比較して、軌道生成の複雑さをさらに軽減します。
複数の断層像スライスを検索することで 3D 軌道を生成し、オーバーハングを避けるためにロボットの高さを個別に調整します。
私たちはさまざまなシミュレーション シナリオでフレームワークを評価し、さらに現実世界の四足歩行ロボットでテストします。
私たちのアプローチは、既存のアプローチと比較してシーン評価時間を 3 桁短縮し、経路計画速度を 3 倍向上させ、さまざまな複雑な 3D 環境で高効率のグローバル ナビゲーションを実証します。
コードは https://github.com/byangw/PCT_planner から入手できます。

要約(オリジナル)

Navigation in complex 3D scenarios requires appropriate environment representation for efficient scene understanding and trajectory generation. We propose a highly efficient and extensible global navigation framework based on a tomographic understanding of the environment to navigate ground robots in multi-layer structures. Our approach generates tomogram slices using the point cloud map to encode the geometric structure as ground and ceiling elevations. Then it evaluates the scene traversability considering the robot’s motion capabilities. Both the tomogram construction and the scene evaluation are accelerated through parallel computation. Our approach further alleviates the trajectory generation complexity compared with planning in 3D spaces directly. It generates 3D trajectories by searching through multiple tomogram slices and separately adjusts the robot height to avoid overhangs. We evaluate our framework in various simulation scenarios and further test it in the real world on a quadrupedal robot. Our approach reduces the scene evaluation time by 3 orders of magnitude and improves the path planning speed by 3 times compared with existing approaches, demonstrating highly efficient global navigation in various complex 3D environments. The code is available at: https://github.com/byangw/PCT_planner.

arxiv情報

著者 Bowen Yang,Jie Cheng,Bohuan Xue,Jianhao Jiao,Ming Liu
発行日 2024-03-12 13:12:11+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク