FC-Planner: A Skeleton-guided Planning Framework for Fast Aerial Coverage of Complex 3D Scenes

要約

UAV の 3D カバレッジ パス計画は、さまざまな実際のアプリケーションにおいて重要な問題です。
しかし、既存の方法では、大規模で複雑なシーンにおけるシステムの単純さ、計算効率、およびパスの品質が不十分であることが示されています。
これらの課題に対処するために、私たちは、前処理なしで複雑な 3D シーンを迅速に上空からカバーできるスケルトンガイド付き計画フレームワークである FC-Planner を提案します。
スケルトンベースの空間分解 (SSD) によってシーンをいくつかの単純な部分空間に分解します。
さらに、スケルトンは空きスペースを簡単に決定するのに役立ちます。
私たちはスケルトンを利用して、完全にカバーするための専門的で有益な視点の最小限のセットを効率的に生成します。
SSD に基づいた階層プランナーは、大規模な計画問題を独立したサブ問題に効果的に分割し、各サブスペースの並列計画を可能にします。
慎重に設計されたグローバルおよびローカルの計画戦略が組み込まれ、パス生成の高品質と効率の両方が保証されます。
当社は広範なベンチマーク テストと実際のテストを実施しており、FC-Planner は、より短いパスとより完全なカバレッジを備えた最先端の手法と比較して 10 倍以上高速に計算します。
ソースコードは https://github.com/HKUST-Aerial-Robotics/FC-Planner で公開されます。

要約(オリジナル)

3D coverage path planning for UAVs is a crucial problem in diverse practical applications. However, existing methods have shown unsatisfactory system simplicity, computation efficiency, and path quality in large and complex scenes. To address these challenges, we propose FC-Planner, a skeleton-guided planning framework that can achieve fast aerial coverage of complex 3D scenes without pre-processing. We decompose the scene into several simple subspaces by a skeleton-based space decomposition (SSD). Additionally, the skeleton guides us to effortlessly determine free space. We utilize the skeleton to efficiently generate a minimal set of specialized and informative viewpoints for complete coverage. Based on SSD, a hierarchical planner effectively divides the large planning problem into independent sub-problems, enabling parallel planning for each subspace. The carefully designed global and local planning strategies are then incorporated to guarantee both high quality and efficiency in path generation. We conduct extensive benchmark and real-world tests, where FC-Planner computes over 10 times faster compared to state-of-the-art methods with shorter path and more complete coverage. The source code will be open at https://github.com/HKUST-Aerial-Robotics/FC-Planner.

arxiv情報

著者 Chen Feng,Haojia Li,Jinqi Jiang,Xinyi Chen,Shaojie Shen,Boyu Zhou
発行日 2023-09-25 05:25:55+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク