密集林冠下基于实时语义 SLAM 的大规模自主飞行
机器人学
2023-08-17 v6 人工智能
摘要
语义地图使用一组具有语义意义的对象来表示环境。这种表示存储高效、歧义更少且信息更丰富，从而促进了在高度非结构化、无 GPS 环境中的大规模自主飞行以及可操作信息的获取。在本快报中，我们提出一个集成系统，能够在具有挑战性的林冠下环境中执行大规模自主飞行与实时语义建图。我们从 LiDAR 数据中检测并建模树干和地平面，并在扫描之间建立关联，用于约束机器人位姿以及树干模型。自主导航模块利用多级规划与建图框架，计算动态可行的轨迹，以计算和存储高效的方式引导 UAV 构建用户定义感兴趣区域的语义地图。设计了一种漂移补偿机制，利用语义 SLAM 输出实时最小化里程计漂移，同时保持规划器最优性与控制器稳定性。这使得 UAV 能够大规模准确安全地执行其任务。
引用
@article{arxiv.2109.06479,
title = {Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy},
author = {Xu Liu and Guilherme V. Nardari and Fernando Cladera Ojeda and Yuezhan Tao and Alex Zhou and Thomas Donnelly and Chao Qu and Steven W. Chen and Roseli A. F. Romero and Camillo J. Taylor and Vijay Kumar},
journal= {arXiv preprint arXiv:2109.06479},
year = {2023}
}
备注
Xu Liu and Guilherme V. Nardari contributed equally to this work