ForestTrav: Accurate, Efficient and Deployable Forest Traversability Estimation for Autonomous Ground Vehicles

要約

構造化されていない植生環境における自律航行は依然として未解決の課題です。
このような環境で正常に動作するには、地上車両が環境の通過可能性を評価し、どの植生が通過するのに十分な柔軟性を持っているかを判断する必要があります。
この研究では、SCNN の構造的コンテキストと疎性を活用しながら、高忠実度で特徴が豊富な 3D ボクセル表現を組み合わせて、植生が密集した環境における通過可能性推定 (TE) を評価する新しい方法を提案します。
提案された方法は、コミュニティに提供される正確にラベル付けされた現実世界のデータセットに基づいて徹底的に評価されます。
困難なシーンでは最先端の方法を大幅に上回っており (0.1m ボクセル解像度での MCC スコアは 0.59 対 0.39)、目に見えない環境にも一般化できることが示されています。
さらに、この方法は必要なトレーニング データの量とトレーニング時間の点で経済的です。モデルはデスクトップ コンピューターで数分でトレーニングされます。
環境のコンテキストを利用することにより、私たちの方法は限られたパフォーマンスの変動のみでさまざまな機能の組み合わせを使用できることを示します。
たとえば、私たちのアプローチは、複雑な植生環境を正確に評価しながら、LIDAR のみの機能で使用できます。これは、そのような環境での文献ではこれまで実証されていませんでした。
さらに、情報品質に対する通過可能性推定器の感度を評価するアプローチを提案し、私たちの方法の感度が低いことを示します。

要約(オリジナル)

Autonomous navigation in unstructured vegetated environments remains an open challenge. To successfully operate in these settings, ground vehicles must assess the traversability of the environment and determine which vegetation is pliable enough to push through. In this work, we propose a novel method that combines a high-fidelity and feature-rich 3D voxel representation while leveraging the structural context and sparseness of SCNN’s to assess Traversability Estimation (TE) in densely vegetated environments. The proposed method is thoroughly evaluated on an accurately-labeled real-world data set that we provide to the community. It is shown to outperform state-of-the-art methods by a significant margin (0.59 vs. 0.39 MCC score at 0.1m voxel resolution) in challenging scenes and to generalize to unseen environments. In addition, the method is economical in the amount of training data and training time required: a model is trained in minutes on a desktop computer. We show that by exploiting the context of the environment, our method can use different feature combinations with only limited performance variations. For example, our approach can be used with lidar-only features, whilst still assessing complex vegetated environments accurately, which was not demonstrated previously in the literature in such environments. In addition, we propose an approach to assess a traversability estimator’s sensitivity to information quality and show our method’s sensitivity is low.

arxiv情報

著者 Fabio Ruetz,Nicholas Lawrance,Emili Hernández,Paulo Borges,Thierry Peynot
発行日 2024-05-15 04:27:33+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