UrbanFly：基于单目视觉-惯性 SLAM 地图的高层楼宇间不确定性感知导航规划
机器人学
2022-10-04 v2
摘要
我们提出 UrbanFly：一种用于四旋翼在城市高层环境中导航的不确定性感知实时规划框架。UrbanFly 的一个核心方面是它能够直接在由单目视觉惯性 SLAM (VINS) 后端生成的稀疏点云上进行鲁棒规划。它通过使用稀疏点云，借助数据驱动的单目平面分割网络来构建环境的不确定性集成长方体表示，从而实现这一点。我们所选用的世界模型比更常见的体素网格表示提供更快速的距离查询，UrbanFly 以两种不同的方式利用这一能力，从而得到两个轨迹优化器。第一个优化器使用无梯度交叉熵方法来计算使碰撞概率和平滑代价最小的轨迹。我们的第二个优化器是第一个的简化版本，使用顺序凸规划优化器，基于在一组随机绘制轨迹上的概率安全性估计进行初始化。我们通过将碰撞违例的分布嵌入再生核希尔伯特空间，使两个轨迹优化器在计算上可行且独立于底层不确定性的性质。得益于算法创新，UrbanFly 在增强了合成和真实世界数据集场景的高保真 AirSim 模拟器上，在碰撞率、轨迹长度等指标上优于竞争基线。
引用
@article{arxiv.2204.00865,
title = {UrbanFly: Uncertainty-Aware Planning for Navigation Amongst High-Rises with Monocular Visual-Inertial SLAM Maps},
author = {Sudarshan S Harithas and Ayyappa Swamy Thatavarthy and Gurkirat Singh and Arun K Singh and K Madhava Krishna},
journal= {arXiv preprint arXiv:2204.00865},
year = {2022}
}
备注
Submitted to ACC 2023, Code available at https://github.com/sudarshan-s-harithas/UrbanFly