基于稀疏拓扑地图引导的掌上型全向视觉无人机探索

📝 论文摘要

经典探索方法通常依赖密集占据地图或高分辨率点云进行前沿检测与路径规划，导致大量内存消耗与计算开销。此外，受尺寸、重量与功率约束的微型无人机难以配备激光雷达等传感器获取精确环境几何测量值。本文提出一种轻量级自主探索系统，利用全向视觉与稀疏拓扑地图引导。具体而言，我们采用多鱼眼相机配置实现全向视场角并进行深度估计。针对有限深度估计精度，前沿区域被表征为拓扑节点所代表的潜在未探索区域而非明确边界，从而无需维护占据网格或全局点云即可高效识别前沿区域。与经典密集表示不同，本方法利用由关键节点及其描述符构成的稀疏拓扑地图抽象环境，降低内存消耗与计算需求。全局路径规划直接在稀疏图上执行。该方法在仿真环境中以及基于视觉的掌上无人机（轴距11厘米，重量400克）的实际实验中均得到验证，证明本方法能以极低计算消耗实现高效探索。

🎯 研究动机

- 经典探索方法依赖**稠密占用地图(dense occupancy map)** 或**高分辨率点云(high-resolution point cloud)**，导致巨大的内存占用和计算开销 - 微型无人机受**尺寸、重量和功耗(SWaP)** 限制，难以搭载激光雷达等传感器获取精确环境几何测量 - 现有方法在资源受限平台上难以实现高效自主探索

🔧 核心方法

- 采用**多鱼眼相机(multi-fisheye camera)** 配置实现**全向视野(omnidirectional FoV)**，并基于此进行**深度估计(depth estimation)** - 将**前沿(frontier)** 表示为**拓扑节点(topological node)**，而非传统显式边界，从而避免维护占用网格或全局点云 - 构建**稀疏拓扑地图(sparse topological map)**，由关键节点及其描述符组成，并在**稀疏图(sparse graph)** 上直接执行全局路径规划

💡 核心创新

- **表示范式创新**：用**稀疏拓扑地图** 替代经典的稠密占用/点云表示，大幅降低内存和计算需求 - **前沿检测方法创新**：利用**拓扑节点** 表征潜在未探索区域，无需精确边界识别，克服了有限深度估计精度的问题 - **硬件适应性**：首次在**手掌大小** （轴距11cm，重400g）的全向视觉无人机上实现低计算消耗的自主探索

🏆 总体贡献

- 提出一种**轻量级自主探索系统(lightweight autonomous exploration system)**，适用于SWaP严格受限的微型无人机 - 在仿真和实物实验中验证了方法的高效性，**计算消耗极低(extremely low computational consumption)**，同时保持探索性能 - 为**视觉-拓扑融合** 的探索范式提供了新思路，推动了资源受限平台上的自主导航研究

基于稀疏拓扑地图引导的掌上型全向视觉无人机探索
Palm-sized Omnidirectional Vision-Based UAV Exploration with Sparse Topological Map Guidance

📊 核心分析

基于稀疏拓扑地图引导的掌上型全向视觉无人机探索 Palm-sized Omnidirectional Vision-Based UAV Exploration with Sparse Topological Map Guidance

📊 核心分析

基于稀疏拓扑地图引导的掌上型全向视觉无人机探索
Palm-sized Omnidirectional Vision-Based UAV Exploration with Sparse Topological Map Guidance