NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot

要約

移動ロボットの自律ナビゲーションは、マッピング、位置特定、経路計画、および経路追跡の能力を必要とする困難なタスクです。
従来のマッピング方法は、占有グリッドのような高密度のメトリック マップを構築しますが、オドメトリ エラーの蓄積の影響を受け、大規模な環境では大量のメモリと計算を消費します。
マッピングへの別のアプローチは、トポロジカル プロパティの使用です。
環境内の場所の隣接性。
トポロジカル マップは、オドメトリ エラーの蓄積やリソースの大量消費が起こりにくく、グラフの疎性により高速なパス プランニングも可能になります。
この考えに基づいて、トポロジー マップと 2 レベルのパス プランニングに基づく完全なナビゲーション パイプラインである NavTopo を提案しました。
パイプラインは、ニューラル ネットワーク記述子と入力点群の 2D 投影を照合することによってグラフ内で局所化され、メトリックおよびトポロジカル点群ベースのアプローチと比較してメモリ消費量が大幅に削減されます。
大規模な屋内のフォトリレースティックなシミュレーション環境でアプローチをテストし、一般的な計量マッピング手法 RTAB-MAP に基づく計量マップベースのアプローチと比較します。
実験結果は、私たちのトポロジー的アプローチがパフォーマンスの点でメトリック的アプローチを大幅に上回り、適切なナビゲーション効率を維持していることを示しています。

要約(オリジナル)

Autonomous navigation of a mobile robot is a challenging task which requires ability of mapping, localization, path planning and path following. Conventional mapping methods build a dense metric map like an occupancy grid, which is affected by odometry error accumulation and consumes a lot of memory and computations in large environments. Another approach to mapping is the usage of topological properties, e.g. adjacency of locations in the environment. Topological maps are less prone to odometry error accumulation and high resources consumption, and also enable fast path planning because of the graph sparsity. Based on this idea, we proposed NavTopo – a full navigation pipeline based on topological map and two-level path planning. The pipeline localizes in the graph by matching neural network descriptors and 2D projections of the input point clouds, which significantly reduces memory consumption compared to metric and topological point cloud-based approaches. We test our approach in a large indoor photo-relaistic simulated environment and compare it to a metric map-based approach based on popular metric mapping method RTAB-MAP. The experimental results show that our topological approach significantly outperforms the metric one in terms of performance, keeping proper navigational efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google