FSMP: A Frontier-Sampling-Mixed Planner for Fast Autonomous Exploration of Complex and Large 3-D Environments

要約

このホワイトペーパーでは、マイクロ航空車両（MAV）を使用して、複雑な3D環境と大規模な3D環境を迅速に調査するための体系的なフレームワークを提案します。
重要な洞察は、環境の迅速なグローバルな調査を達成できるフロンティアベースとサンプリングベースの戦略の有機統合です。
具体的には、完全性と健全性の保証を備えた視野ベースの（FOV）フロンティア検出器は、3Dマップフロンティアを識別するために考案されています。
ランダムなサンプリングベースの方法とは異なり、決定論的なサンプリング手法は、記録されたセンサーFOVと新しく検出されたフロンティアに基づいて、増分ロードマップを構築および維持するために採用されています。
結果のロードマップを使用すると、2段階のパスプランナーを提案します。
まず、怠zyな評価戦略を使用して、ロードマップ上のグローバルな最適探査パスを迅速に計算します。
次に、探索効率をさらに向上させるために、最適な探索パスが滑らかになります。
シミュレーションと実世界の実験の両方で提案された方法を検証します。
比較結果は、探査効率、計算時間、および調査されたボリュームの観点から、プランナーの有望なパフォーマンスを示しています。

要約(オリジナル)

In this paper, we propose a systematic framework for fast exploration of complex and large 3-D environments using micro aerial vehicles (MAVs). The key insight is the organic integration of the frontier-based and sampling-based strategies that can achieve rapid global exploration of the environment. Specifically, a field-of-view-based (FOV) frontier detector with the guarantee of completeness and soundness is devised for identifying 3-D map frontiers. Different from random sampling-based methods, the deterministic sampling technique is employed to build and maintain an incremental road map based on the recorded sensor FOVs and newly detected frontiers. With the resulting road map, we propose a two-stage path planner. First, it quickly computes the global optimal exploration path on the road map using the lazy evaluation strategy. Then, the best exploration path is smoothed for further improving the exploration efficiency. We validate the proposed method both in simulation and real-world experiments. The comparative results demonstrate the promising performance of our planner in terms of exploration efficiency, computational time, and explored volume.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google