PredRecon：一种预测增强的快速高质量自主空中重建规划框架
机器人学
2024-01-19 v1
摘要
用于三维重建的自主无人机路径规划已在各类应用中被积极研究以获取高质量三维模型。然而，大多数现有工作采用了先探索后利用、基于先验或基于探索的策略，表现出重复飞行效率低及自主性低的问题。本文中，我们提出PredRecon，一种预测增强的规划框架，可自主生成路径以获得高三维重建质量。我们从人类能从局部观测粗略推断完整建筑结构获得启发，因而设计了一个表面预测模块(SPM)，从当前局部重建预测目标的粗糙完整表面。随后，未覆盖表面由在线体素建图产生，等待无人机观测。最后，一个分层规划器为三维重建规划运动，其依次寻找高效的全局覆盖路径、规划局部路径以最大化多视立体(MVS)性能，并生成用于图像-位姿对采集的平滑轨迹。我们在真实模拟器中进行了基准测试，验证了PredRecon相较于经典及最先进方法的性能。开源代码发布于https://github.com/HKUST-Aerial-Robotics/PredRecon。
引用
@article{arxiv.2302.04488,
title = {PredRecon: A Prediction-boosted Planning Framework for Fast and High-quality Autonomous Aerial Reconstruction},
author = {Chen Feng and Haojia Li and Fei Gao and Boyu Zhou and Shaojie Shen},
journal= {arXiv preprint arXiv:2302.04488},
year = {2024}
}
备注
Accepted by ICRA2023; Code: https://github.com/HKUST-Aerial-Robotics/PredRecon; Video: https://www.youtube.com/watch?v=ek7yY_FZYAc