MonoNav: MAV Navigation via Monocular Depth Estimation and Reconstruction

📄 arXiv: 2311.14100v1 📥 PDF

作者: Nathaniel Simon, Anirudha Majumdar

分类: cs.RO

发布日期: 2023-11-23

备注: International Symposium on Experimental Robotics (ISER) 2023

💡 一句话要点

提出MonoNav以解决微型无人机导航中的深度信息不足问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 微型无人机 单目深度估计 3D重建 路径规划 导航系统 光学里程计 深度学习

📋 核心要点

  1. 现有微型无人机在导航时缺乏高分辨率的深度信息，导致在未知环境中飞行困难。
  2. MonoNav利用单目相机和深度预测神经网络，实现了快速的3D场景重建和导航。
  3. 实验结果显示，MonoNav在复杂环境中导航时，碰撞率显著降低，提升了安全性。

📝 摘要（中文）

在部署小型微型无人机（MAV）时，获取高分辨率的度量深度信息（如LiDAR或立体相机）是一个主要挑战。现有系统依赖端到端学习或启发式方法，直接将图像映射到控制输入，难以在未知环境中快速飞行。本文提出MonoNav，一个快速的3D重建和导航系统，利用单目相机、光学里程计和离线计算，创建度量准确的地图，从而实现强大的路径规划和导航能力。实验表明，MonoNav能够使Crazyflie（37克MAV）在复杂的室内环境中以0.5米/秒的速度安全导航，导航中的碰撞率显著降低（减少4倍），尽管目标完成率降低了22%。

🔬 方法详解

问题定义：本文旨在解决微型无人机在未知环境中导航时缺乏高分辨率深度信息的问题。现有方法依赖于昂贵的传感器，难以实现快速和安全的飞行。

核心思路：MonoNav的核心思路是利用单目相机和光学里程计，通过深度预测神经网络实现度量准确的3D重建，从而支持高效的路径规划和导航。

技术框架：MonoNav的整体架构包括三个主要模块：单目深度估计、地图构建和轨迹规划。首先，使用预训练的深度估计网络从单目图像中提取深度信息，然后构建3D地图，最后通过搜索运动原语来规划无碰撞的轨迹。

关键创新：MonoNav的主要创新在于将单目深度估计与光学里程计结合，利用深度预测网络实现了高效的3D重建，这与传统依赖昂贵传感器的方法有本质区别。

关键设计：在设计中，MonoNav采用了现成的深度估计和融合技术，优化了参数设置以提高重建精度，并使用了适应性损失函数来平衡速度与安全性。具体的网络结构和参数设置在实验中进行了详细验证。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在实验中，MonoNav使Crazyflie以0.5米/秒的速度在复杂室内环境中导航，碰撞率显著降低了4倍。尽管目标完成率下降了22%，但安全性的大幅提升显示了MonoNav在实际应用中的重要价值。

🎯 应用场景

MonoNav的研究成果具有广泛的应用潜力，尤其是在室内导航、搜索与救援、环境监测等领域。其低成本和高效能的特性使得微型无人机能够在复杂环境中自主导航，提升了无人机的实用性和安全性。未来，MonoNav可能会推动微型无人机在更多实际场景中的应用，如智能家居、物流配送等。

📄 摘要（原文）

A major challenge in deploying the smallest of Micro Aerial Vehicle (MAV) platforms (< 100 g) is their inability to carry sensors that provide high-resolution metric depth information (e.g., LiDAR or stereo cameras). Current systems rely on end-to-end learning or heuristic approaches that directly map images to control inputs, and struggle to fly fast in unknown environments. In this work, we ask the following question: using only a monocular camera, optical odometry, and offboard computation, can we create metrically accurate maps to leverage the powerful path planning and navigation approaches employed by larger state-of-the-art robotic systems to achieve robust autonomy in unknown environments? We present MonoNav: a fast 3D reconstruction and navigation stack for MAVs that leverages recent advances in depth prediction neural networks to enable metrically accurate 3D scene reconstruction from a stream of monocular images and poses. MonoNav uses off-the-shelf pre-trained monocular depth estimation and fusion techniques to construct a map, then searches over motion primitives to plan a collision-free trajectory to the goal. In extensive hardware experiments, we demonstrate how MonoNav enables the Crazyflie (a 37 g MAV) to navigate fast (0.5 m/s) in cluttered indoor environments. We evaluate MonoNav against a state-of-the-art end-to-end approach, and find that the collision rate in navigation is significantly reduced (by a factor of 4). This increased safety comes at the cost of conservatism in terms of a 22% reduction in goal completion.