IEEE T-RO无人机动态环境高效表征-基于粒子的动态环境连续占有地图

近日，上海交通大学、荷兰代尔夫特理工研究团队在机器人顶刊IEEE T-RO上发表题为Continuous Occupancy Mapping in Dynamic Environments Using Particles的论文，第一作者为荷兰代尔夫特理工大学认知机器人系博士后陈刚。

本文提出了一种基于粒子的连续占用地图，通过创新的双数据结构和高效的地图构建流程，有效提高了动态环境中障碍物建模的精度和效率。NOKOV度量动作捕捉系统收集动态障碍物运动数据，助力评估动态占用地图在速度估计方面的性能。

引用格式

G.Chen, W. Dong, P. Peng, J. Alonso-Mora and X. Zhu, "Continuous Occupancy Mapping in Dynamic Environments Using Particles," in IEEE Transactions on Robotics, vol. 40, pp. 64-84, 2024, doi: 10.1109/TRO.2023.3323841.

研究背景

本文针对动态环境的表征问题进行研究，特别是机器人导航过程中如何安全有效进行路径规划。传统的基于粒子的地图在描述占用状态时存在网格大小的矛盾：大网格不利于运动规划，小网格则降低效率并可能产生间隙和不一致性。此外，现有的粒子地图依赖于测量栅格地图作为输入，这种栅格化的数据输入限制了状态估计的精度，并且存在栅格尺寸问题。为了解决这些问题，本文提出了一种连续的双结构粒子地图（DSP Map），旨在提高动态环境中障碍物建模的精度和效率，同时支持小型机器人平台的使用。

图1 带有行人的动态环境构图结果示意图

 本文贡献

1. 提出了一个基于双数据结构构建的粒子地图更新模式，从而将粒子地图推广到了连续空间；

2. 采用初始速度估计和一个高效的混合运动模型来减少同时表征动静态障碍物时的噪声；

3. 开发了一套完整的、高效的地图构建流程，使得 DSP Map 可用于微小型机器人平台；

4. 地图相关代码已开源至：https://github.com/g-ch/DSP-map

图2 双数据结构示意

实验过程

本文首先评估了DSP Map的构建效率和对动态障碍物速度估计的效果，然后与当前最先进的基于粒子的动态占有地图 K3DOM和一个应用广泛的经典静态占有地图Ewok Map展开对比实验，结果表明DSP Map在动态环境中具有最高的F-1 Score，在静态环境也有与Ewok Map接近的性能。同时，本文基于DSP Map在一个微型无人机上开展了避障实验。

NOKOV度量动作捕捉系统在实验中记录行人在测试场地内的运动轨迹，并提供精确的速度和位置数据作为地面真实值（ground truth），比较了DSP地图和其他点云处理方法在动态环境中对障碍物运动状态估计的性能。

作者介绍

董伟

上海交通大学机械与动力工程学院  长聘副教授

研究方向

多机器人协同智能与主动感知

主要成就

· 成功主持多个国家自然科学基金项目、上海青年科技启明星计划项目、中国博士后科学基金研究特别资助项目等

· 围绕无人系统低负荷协同感知与控制，在IEEE T-RO，IEEE RA-L，IEEE T-ASE，IEEE/ASME T-MECH等机器人与自动化主流期刊上共发表SCI期刊论文三十余篇。代表性成果为宽场景适应的主动感知规划系统。

· 获得上海交通大学的教学成果奖和多项个人荣誉。作为指导教师，带领学生在多个无人飞行器智能感知技术竞赛中获得一等奖。

Javier Alonso-Mora

代尔夫特理工大学认知机器人系  副教授

研究方向

多机器人协同、决策规划

主要成就

· IEEE RAS 多机器人系统技术委员会联合主席、T-RO & Autonomous Robots副主编、RSS 2024 Local Arrangements Chair、ERC 启动基金的获得者

· 曾获得 ICRA 2019 多机器人系统最佳论文奖及IEEE MRS 2024 最佳论文奖提名

2024年9月11日19:00，上海交大董伟老师及代尔夫特理工Javier Alonso-Mora老师开启了《STAR TALK | 多决策智能体中的路径规划》学术交流直播！两位教授隔空对话，围绕“分布式多无人系统与人机混合系统中行为模型的异同”“个体机器人认知与决策方式对群体行为演化的影响”“应急游戏相较于模型预测控制的异同与优势”“通用场景中的多无人系统规划的可靠性测性方法”“多无人系统行为推演下的规划时效问题”等话题展开讨论。欢迎观看直播回放！