Perception-aware Planning for Quadrotor Flight in Unknown and Feature-limited Environments

要約

視覚的に劣化した環境での四肢装置の状態推定精度を高めるために、認識対象計画に関するさまざまな研究が提案されています。
ただし、多くの既存の方法は、以前の環境知識に大きく依存しており、まばらなローカリゼーション機能を備えた以前は未知の環境で大きな制限に直面しているため、実用的なアプリケーションが大幅に制限されています。
この論文では、ナビゲーション中に環境情報間で知覚リソースを適切に割り当てる未知の機能制限環境での四肢装置の飛行のための認識対象計画方法を提示します。
ローカルターゲットビューポイントの適応的選択を可能にする視点遷移グラフを導入します。これは、十分なローカル性を維持し、機能制限領域に閉じ込められずに、四角体を目標に効率的にナビゲートするように導きます。
ローカル計画中に、探査能力とローカライズ性を同時に考慮した新しいヨー軌道生成法が提示されます。
それは、計算上効率的な方法でローカリゼーションの堅牢性を確保するために、特徴の共同視覚評価を介してローカライズ可能な廊下を構築します。
シミュレーションと現実世界の両方の実験で実施された検証を通じて、提案された方法の実現可能性とリアルタイムのパフォーマンスを実証します。
ソースコードは、コミュニティに利益をもたらすためにリリースされます。

要約(オリジナル)

Various studies on perception-aware planning have been proposed to enhance the state estimation accuracy of quadrotors in visually degraded environments. However, many existing methods heavily rely on prior environmental knowledge and face significant limitations in previously unknown environments with sparse localization features, which greatly limits their practical application. In this paper, we present a perception-aware planning method for quadrotor flight in unknown and feature-limited environments that properly allocates perception resources among environmental information during navigation. We introduce a viewpoint transition graph that allows for the adaptive selection of local target viewpoints, which guide the quadrotor to efficiently navigate to the goal while maintaining sufficient localizability and without being trapped in feature-limited regions. During the local planning, a novel yaw trajectory generation method that simultaneously considers exploration capability and localizability is presented. It constructs a localizable corridor via feature co-visibility evaluation to ensure localization robustness in a computationally efficient way. Through validations conducted in both simulation and real-world experiments, we demonstrate the feasibility and real-time performance of the proposed method. The source code will be released to benefit the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google