Path Generation for Wheeled Robots Autonomous Navigation on Vegetated Terrain

要約

車輪付きロボットのナビゲーションは都市環境で広く使用されていますが、野生の植生でのナビゲーションに関する研究はほとんど行われていません。
周囲環境の点群マップの作成には外部センサー (LiDAR、カメラなど) がよく使用されますが、走行に使用される支持固い地面は植生に遮られて検出できません。
これにより、計画プロセス中にパスが安全でなくなったり、スムーズではなくなったりすることがよくあります。
この欠点に対処するために、私たちは PE-RRT* アルゴリズムを提案します。このアルゴリズムは、新しいサポート プレーン推定方法とサンプリング アルゴリズムを効果的に組み合わせて、植生環境で実行可能で安全なパスをリアルタイムで生成します。
サポート プレーンを正確に推定するために、外部知覚と固有受容を組み合わせ、多変量ガウス過程回帰 (MV-GPR) を使用してサンプリング ノードの地形を推定します。
私たちは物理的な実験プラットフォームを構築し、さまざまな屋外環境で実験を実施します。
実験結果は、私たちの方法が高い安全性、堅牢性、一般性を備えていることを示しています。

要約(オリジナル)

Wheeled robot navigation has been widely used in urban environments, but little research has been conducted on its navigation in wild vegetation. External sensors (LiDAR, camera etc.) are often used to construct point cloud map of the surrounding environment, however, the supporting rigid ground used for travelling cannot be detected due to the occlusion of vegetation. This often causes unsafe or not smooth path during planning process. To address the drawback, we propose the PE-RRT* algorithm, which effectively combines a novel support plane estimation method and sampling algorithm to generate real-time feasible and safe path in vegetation environments. In order to accurately estimate the support plane, we combine external perception and proprioception, and use Multivariate Gaussian Processe Regression (MV-GPR) to estimate the terrain at the sampling nodes. We build a physical experimental platform and conduct experiments in different outdoor environments. Experimental results show that our method has high safety, robustness and generalization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google