Low computational-cost detection and tracking of dynamic obstacles for mobile robots with RGB-D cameras

要約

自律型ロボットを混雑した屋内環境に導入するには、通常、正確な動的な障害物認識が必要です。
自動運転分野におけるこれまでの多くの研究で 3D 物体検出問題が調査されてきましたが、重い LiDAR からの高密度点群の使用と学習ベースのデータ処理の計算コストが高いため、これらの方法は次のような小型ロボットには適用できません。
小型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、我々は、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) 手法を提案します。この手法は、限られたコンピューティング能力を持つ低電力ロボット向けに設計されています。
私たちの方法は、新しいアンサンブル検出戦略を採用しており、計算効率は高いが精度が低い複数の検出器を組み合わせて、リアルタイムの高精度障害物検出を実現します。
さらに、不一致を防ぐために新しい特徴ベースのデータ関連付け方法を導入し、検出された障害物を追跡するために等加速度モデルとカルマン フィルターを使用します。
さらに、当社のシステムには、障害物の検出範囲と動的障害物の識別を強化するための、オプションの補助的な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。
提案された方法は小型クアッドコプターに実装され、実験により、このアルゴリズムによりロボットが動的障害物を検出し、動的環境を安全にナビゲートできることが証明されました。

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 small 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, which is designed for low-power robots with limited computing power. 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 small 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