A Robust, Task-Agnostic and Fully-Scalable Voxel Mapping System for Large Scale Environments

要約

認識は、未知の環境における自律ナビゲーション、特に航空機にとって依然として困難な問題です。
自律ナビゲーション用のほとんどのマッピング アルゴリズムは、その目的そのもののタスクに特化して設計されているため、長時間の使用や共同作業が妨げられます。
この論文では、複数のタスクに適応可能なマップを構築できるボクセル マッピング システムを提案します。
このシステムはハッシュ テーブル ベースのマップ構造を採用し、明示的なマップ境界を持たずに空間的および時間的な優先順位を付けて各ボクセルを管理します。
また、マルチエージェント アプリケーションを可能にするために、最小限の帯域幅で効率的なマップ共有機能も導入されています。
ローカルマッピング、グローバルマッピング、マルチエージェント協調ナビゲーション、高速ナビゲーションなどのさまざまなタスクにシステムを適用して、現実世界とシミュレーション環境でシステムをテストしました。
私たちのシステムは、センサーや環境に関係なく、高解像度、広いカバー範囲、リアルタイム パフォーマンスを備えたカスタマイズ可能なマップを構築できる能力を証明しました。
このシステムは、マップ共有機能を使用して、生のセンサー データから帯域幅を 95 % 以上削減して、フル解像度のマップを構築できます。

要約(オリジナル)

Perception still remains a challenging problem for autonomous navigation in unknown environment, especially for aerial vehicles. Most mapping algorithms for autonomous navigation are specifically designed for their very intended task, which hinders extended usage or cooperative task. In this paper, we propose a voxel mapping system that can build an adaptable map for multiple tasks. The system employs hash table-based map structure and manages each voxel with spatial and temporal priorities without explicit map boundary. We also introduce an efficient map-sharing feature with minimal bandwidth to enable multi-agent applications. We tested the system in real world and simulation environment by applying it for various tasks including local mapping, global mapping, cooperative multi-agent navigation, and high-speed navigation. Our system proved its capability to build customizable map with high resolution, wide coverage, and real-time performance regardless of sensor and environment. The system can build a full-resolution map using the map-sharing feature, with over 95 % of bandwidth reduction from raw sensor data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google