基于 LiDAR 的系统使无人机团队能够快速重建环境
无人驾驶飞行器（UAV），通常称为无人机，已被证明是一种非常有效的环境监测和探索系统。这些自主飞行机器人还可用于创建详细地图和真实环境的三维（3D）可视化效果。中山大学和香港科技大学的研究人员最近推出了 SOAR，该系统允许无人机团队通过同时探索和拍摄环境来快速自主地重建环境。该系统在arXiv预印本服务器上发表的一篇论文中进行了介绍，并将在2024 年 IEEE/RSJ 智能机器人与系统国际会议 (IROS)上展示，可以有多种应用，从城市规划到电子游戏环境的设计。
论文共同作者张明杰告诉 Tech Xplore：“我们的论文源于对使用无人机进行高效、高质量 3D 重建日益增长的需求。”
“我们观察到，现有方法通常分为两类：基于模型的方法，由于依赖先前信息，因此可能耗时且成本高昂；无模型方法，可以同时探索和重建，但可能受到当地规划约束的限制。我们的目标是通过开发一个可以利用两种方法优势的系统来弥补这一差距。”
来源：张等人。
张和他的同事最近研究的主要目标是创建一个异构多无人机系统，该系统可以同时探索环境并收集照片，收集可用于重建环境的数据。为此，他们首先着手开发一种增量视点生成技术，该技术可适应随时间获取的场景信息。
此外，该团队还计划制定一项任务分配策略，以优化多无人机团队的效率，确保其持续收集重建环境所需的数据。最后，该团队进行了一系列模拟，以评估他们提出的系统的有效性。
张教授解释道：“SOAR 是一种 LiDAR-Visual 异构多无人机系统，旨在实现快速自主 3D 重建。它使用一组无人机：一架配备 LiDAR 的探测器用于快速场景探索，多架配备相机的摄影师用于捕捉详细图像。”
为了创建 3D 重建，该团队提出的系统完成了多个步骤。首先，一架被他们称为“探索者”的无人机采用基于表面边界的策略高效地导航和绘制环境地图。
随着这架无人机逐渐绘制环境地图，团队的系统逐渐生成视点，这些视点将共同覆盖所划定环境的全貌。其他无人机（称为摄影师）随后将访问这些地点并在那里收集视觉数据。
“使用 Consistent-MDMTSP 方法将视点聚类并分配给摄影师，以平衡工作量并保持任务一致性，”张说。“每位摄影师都会规划一条最佳路径，从指定的视点拍摄图像。然后使用收集的图像及其相应的姿势生成带纹理的 3D 模型。”
SOAR 的独特之处在于它能够通过 LiDAR 和视觉传感器收集数据。这确保了高效探索环境并生成高质量的重建。
“我们的系统能够适应动态变化的场景信息，确保以最少的视点实现最佳覆盖范围，”张说。“通过持续向无人机分配任务，它还可以提高扫描效率并减少摄影师不必要的绕行。”
张和他的同事在一系列模拟中评估了他们提出的系统。他们的发现非常有希望，因为 SOAR 被发现优于其他最先进的环境重建方法。
张教授表示：“我们研究的一项重要成果是引入了一种用于快速自主空中重建的新型框架。该框架的核心是开发几种采用增量设计的关键算法，在实时规划能力和总体效率之间取得关键平衡，这对于在线和动态重建任务至关重要。”
未来，SOAR 可用于解决各种需要快速、准确重建 3D 环境的现实问题。例如，它可用于创建城市和基础设施的详细 3D 模型，或帮助历史学家保护一个国家的文化遗产，帮助他们重建历史遗迹和文物。
张说：“SOAR 还可以用于灾难响应和评估。具体来说，它可以使响应人员在自然灾害发生后快速评估损失并规划救援和恢复工作。”
该团队的系统还可以用于检查基础设施和建筑工地，使工人能够清晰地绘制这些位置。最后，它可以用于创建受真实城市和自然景观启发的视频游戏环境的 3D 模型。
“我们对该领域未来研究的潜力充满热情，”张说。“我们的计划包括弥合模拟与现实之间的差距：我们旨在解决将 SOAR 从模拟环境过渡到现实环境所带来的挑战。这将涉及解决在实际部署中可能出现的定位错误和通信中断等问题。”
作为下一步研究的一部分，研究人员计划开发新的任务分配策略，以进一步改善不同无人机之间的协调以及它们绘制环境的速度。最后，他们计划在系统中添加场景预测和信息处理模块，因为这可以让它预测给定环境的结构，从而进一步加快重建过程。
张补充道： “我们还将探索主动重建技术的实施，系统在重建过程中接收实时反馈。”
“这将使 SOAR 能够实时调整其规划并取得更好的结果。此外，我们将研究将摄像机角度和图像质量等因素直接纳入规划过程，这将确保捕获的图像得到优化，以生成高质量的 3D 重建。这些研究方向代表着令人兴奋的机会，可以提升 SOAR 的功能并突破使用无人机进行自主 3D重建的界限。”
页:
[1]