Visual Environment Assessment for Safe Autonomous Quadrotor Landing

要約

安全な着陸地点を自律的に特定・評価することは、システム障害やバッテリー残量低下、あるいは特定のタスクが成功裏に完了した場合に、空中ロボットの安全性と有効性を確保するために最も重要である。本論文では、クワッドローターの安全な着陸のための着陸候補地の検出と評価のための新しいアプローチを紹介する。我々のソリューションは、2Dと3Dの環境情報を効率的に統合し、GPSや計算量の多い標高マップのような外部補助を不要にする。提案するパイプラインは、環境特徴を抽出するためにニューラルネットワーク（NN）から得られる意味データと、傾き、平坦度、粗さのような重要な幾何学的属性を抽出するために視差マップから得られる幾何学的データとを組み合わせる。これらの属性に基づいていくつかのコストメトリクスを定義し、環境中の領域の安全性、安定性、適性を評価し、最適な着陸領域を特定する。本アプローチは、限られた計算能力しか持たないクアッドローター上でリアルタイムに実行される。多様な環境下で実施した実験結果から、提案手法が効果的に適切な着陸領域を評価・特定でき、クアッドローターの安全かつ自律的な着陸を可能にすることが実証された。

要約(オリジナル)

Autonomous identification and evaluation of safe landing zones are of paramount importance for ensuring the safety and effectiveness of aerial robots in the event of system failures, low battery, or the successful completion of specific tasks. In this paper, we present a novel approach for detection and assessment of potential landing sites for safe quadrotor landing. Our solution efficiently integrates 2D and 3D environmental information, eliminating the need for external aids such as GPS and computationally intensive elevation maps. The proposed pipeline combines semantic data derived from a Neural Network (NN), to extract environmental features, with geometric data obtained from a disparity map, to extract critical geometric attributes such as slope, flatness, and roughness. We define several cost metrics based on these attributes to evaluate safety, stability, and suitability of regions in the environments and identify the most suitable landing area. Our approach runs in real-time on quadrotors equipped with limited computational capabilities. Experimental results conducted in diverse environments demonstrate that the proposed method can effectively assess and identify suitable landing areas, enabling the safe and autonomous landing of a quadrotor.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL