Autonomous Navigation of Quadrupeds Using Coverage Path Planning with Morphological Skeleton Map

📄 arXiv: 2504.17880v2 📥 PDF

作者: Alexander James Becoy, Kseniia Khomenko, Luka Peternel, Raj Thilak Rajan

分类: cs.RO

发布日期: 2025-04-24 (更新: 2025-06-21)

备注: 15 pages, published to Fronters In Robotics (currently in production), major revision: title change, abstract revised, grammar fixed, mathematical notations fixed and made consistent, conclusion revised, related works extended, Algorithm 1-3 revised

DOI: 10.3389/frobt.2025.1601862

💡 一句话要点

提出基于形态学骨架地图的覆盖路径规划方法，用于四足机器人在非结构化环境中的自主导航。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 四足机器人 自主导航 覆盖路径规划 形态学骨架 SLAM

📋 核心要点

  1. 现有覆盖路径规划方法在非结构化环境中效率和鲁棒性不足，难以适应四足机器人的运动特点。
  2. 利用SLAM构建的2D地图的形态学骨架提取感兴趣点，并使用有限状态机控制导航和扫描模式切换。
  3. 实验表明，该方法在时间和可达性方面表现良好，但受限于2D地图的漂移问题，仍有提升空间。

📝 摘要（中文）

本文提出了一种新颖的覆盖路径规划方法，旨在实现四足机器人在非结构化环境中自主扫描。该方法利用SLAM构建的先验2D导航地图的形态学骨架，生成一系列感兴趣点（POIs）。然后，根据机器人当前位置对这些POIs进行排序，以创建最优路径。为了控制高层操作，使用有限状态机在两种模式之间切换：使用Nav2导航到POI，以及扫描局部环境。在无障碍的室内环境中，通过五个试验验证了该方法在时间和可达性方面的有效性。地图读取器和路径规划器可以快速处理宽度和高度在[196,225]像素和[185,231]像素之间的地图，速度分别为2.52毫秒/像素和1.7毫秒/像素，其计算时间分别以22.0纳秒/像素和8.17微秒/像素的速度增长。机器人成功到达了所有路径点的86.5%。该方法受限于2D导航地图中出现的漂移。

🔬 方法详解

问题定义：论文旨在解决四足机器人在非结构化环境中进行自主导航和环境扫描的问题。现有方法通常依赖于全局地图或复杂的传感器融合，计算量大且容易受到环境噪声的影响，难以保证效率和鲁棒性。尤其是在四足机器人运动过程中，需要考虑其运动特性和地形适应性，传统的路径规划方法难以直接应用。

核心思路：论文的核心思路是利用环境的2D地图的形态学骨架来提取关键路径点（POIs），从而简化路径规划过程。形态学骨架能够有效地表示环境的拓扑结构，减少冗余信息，并提供较为平滑的路径。通过将导航任务分解为导航到POI和局部扫描两个阶段，并使用有限状态机进行切换，可以有效地控制机器人的行为。

技术框架：整体框架包含以下几个主要模块：1) SLAM模块：用于构建环境的2D导航地图。2) 形态学骨架提取模块：从2D地图中提取形态学骨架。3) POI生成模块：基于骨架生成一系列感兴趣点。4) 路径规划模块：根据机器人当前位置和POI序列，生成最优路径。5) 导航模块（Nav2）：控制机器人导航到目标POI。6) 局部扫描模块：在到达POI后，进行局部环境扫描。7) 有限状态机：用于在高层控制导航和扫描模式的切换。

关键创新：该方法的主要创新在于将形态学骨架应用于四足机器人的覆盖路径规划。与传统的基于栅格地图的路径规划方法相比，该方法能够更有效地提取环境的关键信息，减少计算量，并提高路径规划的效率。此外，使用有限状态机进行高层控制，使得机器人能够根据环境和任务需求灵活地切换导航和扫描模式。

关键设计：论文中关键的设计包括：1) 形态学骨架提取算法的选择，需要保证骨架的连通性和完整性。2) POI的生成策略，需要平衡POI的数量和覆盖范围。3) 路径规划算法的选择，需要考虑机器人的运动约束和环境的复杂性。4) 有限状态机的状态转移条件，需要根据实际环境和任务需求进行调整。论文中提到地图读取器和路径规划器的计算时间与像素数量相关，分别为2.52毫秒/像素和1.7毫秒/像素，并给出了计算时间随像素数量增长的线性关系。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该方法能够有效地实现四足机器人在室内环境中的覆盖路径规划。地图读取器和路径规划器可以快速处理地图，速度分别为2.52毫秒/像素和1.7毫秒/像素。机器人成功到达了所有路径点的86.5%。虽然该方法受限于2D导航地图的漂移，但仍然展示了其在自主导航方面的潜力。

🎯 应用场景

该研究成果可应用于四足机器人在复杂环境中的自主巡检、搜索救援、环境监测等领域。例如，在灾后救援中，四足机器人可以利用该方法自主探索未知环境，快速定位幸存者或危险源。在工业巡检中，可以用于检测设备故障或安全隐患，提高巡检效率和安全性。未来，结合更先进的SLAM和感知技术，该方法有望实现更鲁棒和高效的自主导航。

📄 摘要（原文）

This paper proposes a novel method of coverage path planning for the purpose of scanning an unstructured environment autonomously. The method uses the morphological skeleton of the prior 2D navigation map via SLAM to generate a sequence of points of interest (POIs). This sequence is then ordered to create an optimal path given the robot's current position. To control the high-level operation, a finite state machine is used to switch between two modes: navigating towards a POI using Nav2, and scanning the local surrounding. We validate the method in a leveled indoor obstacle-free non-convex environment on time efficiency and reachability over five trials. The map reader and the path planner can quickly process maps of width and height ranging between [196,225] pixels and [185,231] pixels in 2.52 ms/pixel and 1.7 ms/pixel, respectively, where their computation time increases with 22.0 ns/pixel and 8.17 $μ$s/pixel, respectively. The robot managed to reach 86.5% of all waypoints over all five runs. The proposed method suffers from drift occurring in the 2D navigation map.