Onboard dynamic-object detection and tracking for autonomous robot navigation with RGB-D camera

要約

混雑した屋内環境に自律型ロボットを配置するには、通常、正確な動的障害物認識が必要です。
自動運転分野でのこれまでの多くの研究では、3D オブジェクト検出の問題が調査されてきましたが、重い LiDAR からの高密度の点群の使用と、学習ベースのデータ処理のための高い計算コストにより、これらの方法は次のような軽量ロボットには適用できません。
小型のオンボードコンピューターを搭載したビジョンベースの UAV。
この問題に対処するために、RGB-D カメラに基づく軽量の 3D 動的障害物検出および追跡 (DODT) メソッドを提案します。
私たちの方法は、複数の計算効率が高いが精度の低い検出器を組み合わせて、リアルタイムで高精度の障害物検出を実現する、新しいアンサンブル検出戦略を採用しています。
さらに、不一致を防ぐために新しい機能ベースのデータ関連付け方法を導入し、一定加速度モデルでカルマン フィルターを使用して、検出された障害物を追跡します。
さらに、当社のシステムには、障害物検出範囲と動的障害物識別を強化するためのオプションおよび補助学習ベースのモジュールが含まれています。
ユーザーは、利用可能な計算リソースに基づいて、このモジュールを実行するかどうかを決定できます。
提案された方法は軽量のクアッドコプターに実装され、実験は、アルゴリズムがロボットに動的障害物を検出させ、動的環境を安全にナビゲートできることを証明しています。

要約(オリジナル)

Deploying autonomous robots in crowded indoor environments usually requires them to have accurate dynamic obstacle perception. Although plenty of previous works in the autonomous driving field have investigated the 3D object detection problem, the usage of dense point clouds from a heavy LiDAR and their high computation cost for learning-based data processing make those methods not applicable to lightweight robots, such as vision-based UAVs with small onboard computers. To address this issue, we propose a lightweight 3D dynamic obstacle detection and tracking (DODT) method based on an RGB-D camera. Our method adopts a novel ensemble detection strategy, combining multiple computationally efficient but low-accuracy detectors to achieve real-time high-accuracy obstacle detection. Besides, we introduce a new feature-based data association method to prevent mismatches and use the Kalman filter with the constant acceleration model to track detected obstacles. In addition, our system includes an optional and auxiliary learning-based module to enhance the obstacle detection range and dynamic obstacle identification. The users can determine whether or not to run this module based on the available computation resources. The proposed method is implemented in a lightweight quadcopter, and the experiments prove that the algorithm can make the robot detect dynamic obstacles and navigate dynamic environments safely.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google