Autonomous exploration and object reconstruction with an MAV

Abstract

Deploying autonomous robots outside a controlled environment is a challenging task. Robots must be able to gather information about and model their environment, determine their next course of action, and safely navigate to their goal. As such, autonomous exploration is an integral component of many higher-level tasks tackled by autonomous robots. Micro Aerial Vehicles (MAVs) are a very popular robotic platform for autonomous exploration due to their capability to move freely in three dimensions, allowing them to navigate a variety of environments.While there is prior work in autonomous MAV exploration, it is by no means a solved problem. Improvements can be made in terms of exploration speed, scalability to large environments, and robustness to odometry drift. Maybe most importantly, the integration of autonomous exploration with some higher-level robotic task has not been extensively researched. In this thesis we propose autonomous exploration methods for MAVs that address these challenges. A fast and efficient exploration algorithm, a hybrid between sampling-based and frontier-based exploration is presented. Additionally, the traditional geometric formulation of autonomous exploration is extended to incorporate a downstream task, in this case the high-quality reconstruction of objects of interest. Finally, a submap-based large-scale exploration method suitable for both depth camera and LiDAR sensors is introduced. These contributions have the potential to enable the use of autonomous MAV exploration in a wider variety of environments and tasks.

Η χρήση αυτόνομων ρομπότ εκτός ενός ελεγχόμενου περιβάλλοντος απαιτεί έναν συνδυασμό δυνατοτήτων. Τα ρομπότ πρέπει να είναι σε θέση να συλλέγουν πληροφορίες και να μοντελοποιούν το περιβάλλον τους, να καθορίζουν την επόμενη δράση τους και να πλοηγούνται με ασφάλεια στον στόχο τους. Ως εκ τούτου, η αυτόνομη εξερεύνηση αποτελεί αναπόσπαστο στοιχείο πολλών εργασιών υψηλότερου επιπέδου που καλούνται να επιτελέσουν τα αυτόνομα ρομπότ. Τα μη επανδρωμένα αεροχήματα (MAV) είναι μια πολύ δημοφιλής ρομποτική πλατφόρμα για αυτόνομη εξερεύνηση λόγω της δυνατότητάς τους να κινούνται ελεύθερα σε τρεις διαστάσεις, επιτρέποντάς τους να πλοηγούνται σε μια πληθώρα από περιβάλλοντα. Αν και η αυτόνομη εξερεύνηση με MAV έχει ερευνηθεί εκτενώς, δεν αποτελεί σε καμία περίπτωση ένα λυμένο πρόβλημα. Βελτιώσεις μπορούν να γίνουν όσον αφορά την ταχύτητα εξερεύνησης, την δυνατότητα εξερεύνησης μεγάλων σε έκταση περιοχών και την ανθεκτικότητα ως προς την απόκλιση της οδομετρίας. Μία περιοχή που δεν έχει ερευνηθεί σε βάθος είναι η ενσωμάτωση της αυτόνομης εξερεύνησης με κάποια ρομποτική εργασία υψηλότερου επιπέδου. Σε αυτή τη διατριβή προτείνονται μέθοδοι αυτόνομης εξερεύνησης για MAV που αντιμετωπίζουν αυτές τις προκλήσεις. Παρουσιάζεται ένας γρήγορος και αποτελεσματικός αλγόριθμος εξερεύνησης, ένας συνδυασμός μεταξύ δειγματοληπτικής εξερεύνησης και εξερεύνησης που βασίζεται σε σύνορα (frontiers). Επιπλέον, η παραδοσιακή γεωμετρική διατύπωση της αυτόνομης εξερεύνησης επεκτείνεται για να ενσωματώσει μια εργασία υψηλότερου επιπέδου, στην περίπτωση αυτή την εύρεση και ανακατασκευή σε υψηλής ποιότητα αντικειμένων ενδιαφέροντος. Τέλος, εισάγεται μια μέθοδος εξερεύνησης μεγάλης κλίμακας που βασίζεται σε υποχάρτες, κατάλληλη τόσο για κάμερες βάθους όσο και για αισθητήρες LiDAR. Αυτές οι συνεισφορές έχουν τη δυνατότητα να επιτρέψουν τη χρήση της αυτόνομης εξερεύνησης MAV σε μια ευρύτερη ποικιλία περιβαλλόντων και εργασιών.