Online Next-Best-View Planner for 3D-Exploration and Inspection With a Mobile Manipulator Robot

kohaku

2年前

https://ieeexplore.ieee.org/abstract/document/9695293/

https://github.com/fkie/fkie-nbv-planner

简介

面向终端用户的自主探索机器人可以部署在不同的环境中，机器人不仅需要绘制地图，也需要检查终端用户感兴趣的区域

在危险环境中，使用机器人事先调查环境能大大提高态势感知能力，减少人员接触有害污染物的几率，例如化学物品泄露和人员救援任务

使用机械臂可以在无人机难以到达的狭窄区域进行探索

规划探索路径中，使得关于未知环境的信息增益最大化，即信息路径规划 IPP。

该解决方法在机械臂可达的位姿空间中进行规划，优先考虑机械臂运动而不是机器人运动，当最大增益无法由机械臂获得时再考虑机器人移动。

贡献

提出了一个新的在线 NBV ( Next-Best-View ) 规划器，用于移动操作机器人在灾害响应环境中执行勘探-调查任务，命名为 WG-NBVP，使用了一个加权增益函数来决定是探索更多的空间还是更近的距离
使用一个装有 7 自由度的机械臂的移动机器人进行了模拟和真实世界实验

方法

目标是使用深度相机获得未知环境的 ROI 体积图。一个区域的相关性是由参数 mi 决定，是一个 1 ≤ i ≤ Nm 的标量传感器，比如辐射传感器

在每次迭代中，算法访问摄像机姿态序列 Qt 在前一次迭代中捕获的深度图像，并集成到体积图中 (8-9)，然后从当前实际相机位置 qt将未来可能的相机姿态 RRT 扩展到当前空闲空间 Mt+1 中 (11)，如果最佳姿态的预期信息增益 qt+1 中包含的信息超过下限 gmin，算法提取姿态到分支上的 qt+1，在这个分支上形成机械臂可以到达的序列 NBVs Qt+1 并在下一次迭代中使用

如果在不移动机器人的情况下无法达到最佳节点，即 Rt+1 为空，那么下一次迭代从那里开始，如果 RRT 不再产生 gmin 以上的姿态，则算法结束