Exploring in an unknown environment while avoiding collisions with obstacles is a fundamental task for autonomous robots, whether it is for mapping, structural inspection, or rescue missions. Existing exploration methods have been mainly focused on reducing unknown areas as fast as possible, ignoring localization, which is the most significant factor for acquiring an accurate map and even gathering as much information in a large-scale environment. In this paper, to explore the large-scale unknown environments while considering the limited computational resource of the UAV, we propose a novel exploration method that combines the pre-computed peacock trajectory and graph-based active loop-closing. Using lightweight two-step peacock trajectory guarantees obstacle avoidance in receding-horizon fashion. Additionally, graph-based global planning with frontier accelerates the exploration’s speed in a large-scale unknown environment without unnecessary back-and-forth movements. Furthermore, by actively closing the loops, the accurate pose can be estimated, and hence the quality of the obtained map is drastically increased. The proposed algorithm’s performance is demonstrated by exploring challenging 3D environments and compared with state-of-the-art algorithms.
장애물과의 충돌 없이 미지의 환경을 탐사하는 것은, 매핑 (mapping), 구조물 검사, 또는 재난 상황에서의 구조 등 여러 종류의 임무 수행에 있어서 자율 로봇의 기본적인 기능이다. 기존의 탐사 방법들은 정확한 지도를 획득하고 대규모 환경에서 가능한 많은 정보를 수집하는 데 가장 중요한 요소인 위치 추정을 무시하고, 주로 가능한 한 빨리 미지 영역을 줄이며 탐사하는 데에 중점을 두었다. 이 논문에서는 무인 항공기의 제한된 계산 자원을 고려하면서 미지의 대규모 환경을 탐색하기 위해서, 미리 계산된 공작새 모방 궤적과 그래프 기반 능동적 루프 폐쇄 (active loop-closing)를 결합한 새로운 탐사 방법을 제안한다. 연산량이 가벼운 2단계의 궤적을 사용하여, 이동구간 (receding-horizon) 방식으로 장애물 회피를 보장한다. 이에 더해, 프런티어 (frontier)를 활용한 그래프 기반 전역 계획은 불필요한 앞뒤 움직임 없이 미지의 대규모 환경에서의 탐사 속도를 극대화한다. 또한 능동적으로 루프 (loop)를 폐쇄함으로써 정확한 위치를 추정하므로, 획득한 지도의 품질이 크게 향상된다. 3차원 시뮬레이션 환경과 실제 환경을 탐사하여 제안하는 방법의 성능을 입증하고, 최고 수준의 최신 기술들과 비교한다.
