Autonomer Drohnenflug in dichten Wäldern mit visuell-inertialer SLAM-Technologie und dichter Submapping-Erstellung ohne LiDAR

核心概念

Ein autonomes Drohnensystem, das sich ausschließlich auf passive visuelle und inertialsensorik verlässt, um unter Kronendach sicher und präzise zu navigieren und gleichzeitig eine dichte Karte der Umgebung zu erstellen.

摘要

Das vorgestellte System verwendet eine visuelle-inertialsensorik-basierte simultane Lokalisierung und Kartierung (VI-SLAM), um genaue Zustandsschätzungen des Multikopters zu erhalten. Dieses SLAM-System wird mit einem volumetrischen Submapping-System gekoppelt, um eine skalierbare Kartierungsplattform zu erreichen, die direkt für die Pfadplanung verwendet werden kann.
Im Gegensatz zu einer monolithischen Karte können Submaps mit Positionsschätzungen aktualisiert werden, wenn SLAM-Korrekturen auftreten, z.B. durch Schleifenschlüsse. Um die Sicherheit des Multikopters während der Navigation zu gewährleisten, wird ein neuartiges Verfahren zum Verankern der Referenzflugbahn eingeführt, das die Flugbahn bei Aktualisierungen der Zustandsschätzung konsistent bewegt und verformt.
Das System wurde sowohl in Simulationen als auch in realen Waldumgebungen mit hoher Baumichte von bis zu 467 Bäumen pro Hektar und Geschwindigkeiten von bis zu 3 m/s validiert, ohne dabei jemals eine Kollision zu verursachen. Nach bestem Wissen der Autoren ist dies das erste System dieser Art, das ohne LiDAR-Sensoren in so dichten Wäldern navigiert und gleichzeitig SLAM und Kartierung durchführt.

統計資料

Die durchschnittliche Geschwindigkeit betrug etwa 1,3 m/s, obwohl das Ziel 3 m/s war. Dies lag an den vielen aggressiven Manövern, die der Multikopter durchführen musste, um sich zwischen den Bäumen hindurchzubewegen.
Die geschätzte Positionsabweichung zwischen Start- und Endposition betrug weniger als 1 Meter, was weniger als 0,5% der insgesamt zurückgelegten Strecke von 226,71 Metern entspricht.

引述

"Forestry constitutes a key element for a sustainable future, while it is supremely challenging to introduce digital processes to improve efficiency."
"To address this challenge, we present an autonomous Micro Aerial Vehicle (MAV) system which purely relies on cost-effective and light-weight passive visual and inertial sensors to perform under-canopy autonomous navigation."

從以下內容提煉的關鍵洞見

Scalable Autonomous Drone Flight in the Forest with Visual-Inertial SLAM and Dense Submaps Built without LiDAR

by Seba... 於 arxiv.org 03-15-2024

https://arxiv.org/pdf/2403.09596.pdf

深入探究

Wie könnte das System erweitert werden, um auch bewegliche Hindernisse wie Äste zu berücksichtigen und zu navigieren?

Um bewegliche Hindernisse wie Äste in der Navigation zu berücksichtigen, könnte das Drohnensystem mit zusätzlichen Sensoren wie beispielsweise einem LiDAR-Sensor ausgestattet werden. LiDAR kann die Umgebung in Echtzeit scannen und detaillierte 3D-Modelle erstellen, die auch bewegliche Objekte wie Äste erfassen können. Durch die Integration von LiDAR in das bestehende System könnte die Drohne Hindernisse in Echtzeit erkennen und entsprechend navigieren, um Kollisionen zu vermeiden. Darüber hinaus könnten Algorithmen zur Objekterkennung und -verfolgung implementiert werden, um die Bewegung von Ästen oder anderen beweglichen Hindernissen zu antizipieren und darauf zu reagieren.

Welche zusätzlichen Sensoren oder Algorithmen könnten eingesetzt werden, um die Genauigkeit und Robustheit der Kartierung weiter zu verbessern?

Um die Genauigkeit und Robustheit der Kartierung weiter zu verbessern, könnten zusätzliche Sensoren wie hochauflösende Kameras mit erweitertem Sichtfeld oder Multispektralkameras eingesetzt werden. Diese Sensoren könnten eine detailliertere Erfassung der Umgebung ermöglichen und zusätzliche Informationen liefern, die zur Verbesserung der Kartierungsqualität beitragen. Darüber hinaus könnten fortschrittliche Algorithmen zur Bildverarbeitung und -analyse implementiert werden, um die Genauigkeit der 3D-Rekonstruktion zu erhöhen und eventuelle Fehler oder Ungenauigkeiten zu korrigieren. Machine Learning-Algorithmen könnten auch verwendet werden, um automatisch Muster in den Kartierungsdaten zu erkennen und die Genauigkeit der erstellten Karten weiter zu verbessern.

Wie könnte dieses Drohnensystem in ein breiteres Konzept der digitalen Forstwirtschaft eingebunden werden, um die Effizienz und Nachhaltigkeit der Waldbewirtschaftung zu steigern?

Um das Drohnensystem in ein breiteres Konzept der digitalen Forstwirtschaft zu integrieren und die Effizienz sowie Nachhaltigkeit der Waldbewirtschaftung zu steigern, könnten verschiedene Ansätze verfolgt werden. Eine Möglichkeit wäre die Integration von Fernerkundungsdaten, die von der Drohne gesammelt werden, in ein zentrales Informationssystem für die Waldbewirtschaftung. Diese Daten könnten zur Überwachung von Waldgesundheit, Schädlingsbefall, Wachstumsraten und anderen wichtigen Parametern genutzt werden. Durch die Analyse dieser Daten könnten Forstwirte fundierte Entscheidungen treffen, um die Waldbewirtschaftung zu optimieren und nachhaltige Praktiken zu fördern. Darüber hinaus könnten Drohnen eingesetzt werden, um Waldgebiete effizient zu überwachen, Waldbrände frühzeitig zu erkennen und die Durchführung von Waldinventuren zu erleichtern. Durch die Integration von Drohnentechnologie in die digitale Forstwirtschaft könnten Ressourcen effizienter genutzt, Umweltauswirkungen minimiert und die langfristige Gesundheit der Wälder gewährleistet werden.