MonoSpheres: Large-Scale Monocular SLAM-Based UAV Exploration through Perception-Coupled Mapping and Planning

Resumen Técnico de MonoSpheres: Exploración de UAV basada en SLAM monocular a gran escala

Enunciado del Problema
La exploración autónoma de entornos 3D desconocidos es una capacidad crítica para los Vehículos Aéreos No Tripulados (UAV) en aplicaciones como búsqueda y rescate y exploración planetaria. Si bien se han logrado avances significativos con robots equipados con sensores de rango densos (por ejemplo, LiDAR, cámaras RGB-D), estos sensores suelen ser pesados, costosos y limitan el tiempo de vuelo. Por el contrario, las cámaras monoculares y las unidades de medida inercial (IMU) son ligeras y rentables, pero presentan un desafío fundamental: la estimación de profundidad basada en movimiento (tal como se utiliza en Visual SLAM) produce datos de profundidad dispersos, dependientes de la textura, con alta incertidumbre en áreas sin textura. Los métodos existentes de exploración monocular se han limitado en gran medida a entornos interiores a pequeña escala o habitaciones individuales, ya que dependen de suposiciones válidas para sensores densos (por ejemplo, que la no detección implica espacio libre) que fallan con datos dispersos, lo que genera lagunas en el mapa, inicialización incorrecta del espacio libre y colisiones.

Metodología
Los autores proponen MonoSpheres, un marco de mapeo y planificación acoplado a la percepción diseñado explícitamente para las propiedades de la detección de profundidad monocular dispersa. El sistema opera sobre una representación de grafo de esferas en lugar de las rejillas de vóxeles o TSDF tradicionales.

1. Módulo de Mapeo:

   • Representación: El mapa consiste en un grafo de esferas interseccionadas que representan el espacio libre y un conjunto de puntos 3D que representan obstáculos.
   • Interpolación de profundidad y construcción de poliedros: El sistema construye una "malla de profundidad" a partir de los puntos rastreados por SLAM utilizando la triangulación de Delaunay para definir un poliedro de espacio libre visible ($P_f$) entre la cámara y los puntos observados.
   • Estimación de profundidad virtual en áreas abiertas (OVDE): Para abordar la incapacidad del SLAM para estimar la profundidad en áreas abiertas sin textura (por ejemplo, cielo o suelo plano), el método inyecta "puntos virtuales" en la malla de profundidad. Si un punto virtual permanece desobstruido a través de múltiples poses con suficiente paralaje, se trata como espacio libre, permitiendo que el UAV vuele sobre áreas abiertas sin lagunas en el mapa.
   • Filtrado de obstáculos basado en distancia (DBOF): Para evitar la eliminación de obstáculos mapeados cuando están momentáneamente ocultos o no rastreados, el sistema emplea una lógica de filtrado basada en la distancia. Un punto del mapa solo se elimina si cae dentro del poliedro de espacio libre visible y está más cerca de la cámara que un umbral relativo a su distancia de medición. Esto preserva los "puntos protegidos" que restringen los radios de las esferas, evitando que el mapa borre erróneamente obstáculos.

2. Módulo de Planificación y Exploración:

   • Muestreo de fronteras: Las fronteras se muestrean a lo largo del límite del poliedro de espacio libre visible en lugar de una rejilla de ocupación.
   • Control de rumbo consciente de la percepción: Reconociendo que la profundidad monocular requiere movimiento de traslación para ser estimada, el sistema impone una estrategia de Vuelo con orientación frontal (FFF). Al acercarse a un punto de vista de exploración, el UAV alinea su rumbo con la dirección del objetivo para asegurar un movimiento de traslación puro, maximizando la probabilidad de observar paralaje y estimar la profundidad.
   • Bloqueo de puntos de vista: Para evitar que el UAV pierda tiempo en superficies sin textura donde no se puede estimar nueva profundidad, el sistema bloquea el muestreo de nuevos puntos de vista cerca de los visitados anteriormente si no se descubrieron nuevas fronteras.

Contribuciones Clave

• Enfoque de mapeo novedoso: Un método que interpola explícitamente la profundidad y estima el espacio libre en áreas con escasa textura mientras rastrea la incertidumbre de los obstáculos, permitiendo la construcción de mapas a gran escala a partir de datos monoculares dispersos.
• Planificación acoplada a la percepción: Una estrategia de exploración que integra las limitaciones de la detección monocular (necesidad de traslación, dependencia de la textura) directamente en el bucle de control mediante la alineación del rumbo y el bloqueo de puntos de vista.
• Primera demostración en exteriores del mundo real: Según el conocimiento de los autores, este es el primer método que logra la exploración monocular 3D en entornos exteriores no estructurados del mundo real, superando la escala de habitaciones individuales interiores.
• Benchmark de código abierto: La liberación de código y scripts de simulación para facilitar futuras investigaciones en exploración monocular.

Resultados Experimentales
El sistema se evaluó en diversos escenarios del mundo real (una granja abandonada y un huerto) y entornos simulados (Terremoto, Cueva, Azoteas y Mundos dispersos).

• Rendimiento en el mundo real: El UAV exploró autónomamente con éxito un área de 70x10x8m alrededor de una granja abandonada y un huerto abarrotado, mapeando obstáculos, evitando escombros y regresando a la base con la batería baja.
• Rendimiento en simulación: En estudios comparativos frente a una línea base de trazado de rayos basada en rejilla (similar a trabajos anteriores [4], [5]), MonoSpheres exploró consistentemente áreas y volúmenes significativamente mayores en todos los mundos de prueba.
• Estudios de ablación: La eliminación de componentes clave condujo al fracaso:
  • Sin OVDE, el UAV no pudo explorar áreas abiertas y permaneció atrapado en el "valle" de inicio.
  • Sin DBOF, el UAV sobrescribió obstáculos mapeados con espacio libre, lo que llevó a colisiones.
  • Sin FFF, el UAV no pudo detectar obstáculos debido a un paralaje insuficiente, resultando en choques.
  • Sin Bloqueo de puntos de vista, el rendimiento se degradó debido a la exploración redundante de superficies sin textura.

Significado y Limitaciones
El artículo afirma que al rediseñar tanto el mapeo como la planificación para tener en cuenta las regularidades específicas de la detección de profundidad basada en movimiento (precisión dependiente de la distancia, dependencia de la textura y dependencia de la trayectoria), MonoSpheres logra autonomía en escalas comparables a los métodos de detección densa sin los costos de hardware asociados. Los autores señalan que la limitación principal del sistema sigue siendo las capacidades de detección del frontend visual SLAM subyacente; no puede mapear obstáculos que el frontend no logra detectar (por ejemplo, alambres finos u objetos grandes sin textura). El trabajo futuro sugiere integrar sensores ultrasónicos de bajo costo o cambiar a frontends de SLAM densos para abordar estas brechas específicas de detección.