技術要約：マイクロ検査のためのモジュール式デュアルカメラ・パイプライン

問題提起

既存の航空検査システムは、微小な対象物（マイクロ検査）を検査する際に大きな課題に直面しています。現在のアプローチでは、詳細を捉えるためにドローンを対象物の極めて近くまで飛行させるか、複雑な飛行経路を辿る必要があり、衝突リスクや運用コストの増大を招いています。さらに、ドローンの飛行は環境による乱れや位置推定の誤差の影響を受けやすいものです。ドローンが狭い視野（FOV）の検査用カメラに依存している場合、これらの誤差によってシステムが対象物を見失う可能性があります。また、既存の多くの軌道計画手法は、対象物の幾何学的形状、位置、および方位に関する事前知識に依存していますが、樹木、車両、あるいは人間のような非構造的な対象物に対しては、そのような情報は得られないことが頻繁にあります。

手法

本論文では、ROS 2上に構築され、PX4フライトスタックと互換性のある汎用的なオープンソース・パイプラインである aerial_micro_inspection を提案しています。このシステムは、航空ロボットに搭載されたデュアルカメラ構成を利用しています。

1. 広視野（Wide-FOV）ステレオナビゲーションカメラ： ドローン本体に剛体的に取り付けられたこのカメラは、現場で対象表面を取得し、ステレオビジョンを通じて深度を推定し、表面をより小さな検査領域（パーティション）に分割します。また、状態推定およびナビゲーションもサポートします。
2. 狭視野（Narrow-FOV）ジンバル搭載検査カメラ： ズーム光学機器を備えたこのカメラは、ドローンが対象のすぐ近くまで接近することなく、特定のパーティションの高精細な画像をキャプチャします。

主要な技術コンポーネント

• 運動学モデリングとキャリブレーション： 本システムは、ナビゲーションカメラの画素を検査カメラへとマッピングするための運動学モデルを採用しています。ArUcoマーカーを用いたカスタム外積キャリブレーションツールにより、パン・チルトの自由度を考慮した上で、剛体的に取り付けられたナビゲーションカメラとジンバルベース間の変換を決定します。
• 表面分割（Surface Partitioning）： パイプラインは、パラメータ化されたスイープ戦略（アルゴリズム1）を使用して、セグメント化された対象表面を、検査カメラの投影されたFOVに一致するパーティションに分割します。これにより、事前の幾何学的知識なしに体系的なカバレッジが可能になります。
• ビジョンベースのフィードバックループ： ドローンの動きや位置推定誤差に対処するため、サーフェストラッキングモジュール（Median Flowを使用）がパーティションの位置をリアルタイムで継続的に更新します。このフィードバックにより、ジンバルの指向方向が調整され、ドローンが漂流した場合でも検査カメラが意図したパーティションに整合し続けることが保証されます。
• モジュール式アーキテクチャ： パイプラインは、表面セグメンテーションと微小ターゲット検出（例：YOLOベースのモデル）のための交換可能なチェックポイントを備えて設計されており、さまざまなユースケースへの適応を可能にしています。

主な貢献

著者らは、4つの主要な貢献を特定しています。

1. 初のオープンソース・モジュール式パイプライン： 彼らの知る限り、これは航空マイクロ検査に特化した初のROS 2ベースのパイプラインであり、異なるアプリケーションへの適応を可能にするモジュール式フレームワークを提供します。
2. パラメータ化されたスイープ戦略： 任意の検査対象を、ズームに対応したパーティションに分割し、体系的なカバレッジを実現する手法です。
3. ビジョンベースのフィードバックメカニズム： 位置推定誤差やプラットフォームの動きにもかかわらず、ジンバルのアライメントを維持する制御ループです。
4. 外積キャリブレーションツール： 剛体的に取り付けられた広視野カメラと、ジンバル搭載の検査カメラとの関係を校正するための特定のツールです。

実験結果

本パイプラインは、シミュレーション（GazeboおよびPX4 SITL）と、2つの主要なユースケースにおける実世界実験の両方で評価されました。

1. 樹木検査： 樹幹におけるオオブキカミキリの幼虫およびその卵（1〜2 mm）の検出。
2. 温室検査： GPS環境下ではない環境における、コナジラミの粘着トラップのモニタリング。
3. シミュレーション（車両検査）： 車体表面の検査を含む二次的なシミュレーションシナリオであり、転用可能性を実証しています。

パフォーマンスの知見

• 乱れに対する堅牢性： シミュレーションにおいて、サーフェストラッキング・フィードバックループはカバレッジの堅牢性を大幅に向上させました。オープンループ実行では、GPSノイズ（標準偏差1.0 m）や外部からの乱れによってカバレッジの低下が生じましたが、フィードバック機能を備えたシステムは迅速に回復し、高いカバレッジを維持しました。
• 実世界の精度：
  • 樹木検査： 平均的な角度指向誤差 2.17° を達成しました。これは、信頼性の高い幼虫検出には十分な精度でした。
  • 温室検査： 平均誤差 3.34° を達成しました。これにより昆虫の高精度な撮像は可能となりましたが、著者らは、現在のズームレベルではコナジラミを他の昆虫から識別するには不十分であったと述べています。
• 観察された制限事項： 著者らは、ジンバルの内部ゼロ参照が電源サイクル間でシフトすることがあり、それがズームレベルが高くなるにつれて（例：10倍ズーム時に画像幅の最大35%まで）指向バイアスを生じさせることを指摘しました。

意義と主張

本論文は、aerial_micro_inspection が、運用リスクや人員の曝露を軽減する、信頼性の高い自律的なマイクロ検査という重要なニーズに応えるものであると主張しています。ナビゲーションと検査のタスクを分離し、ビジョンベースのフィードバックループを統合することで、本システムは、対象の幾何学的知識を必要とせずに、より安全な距離から安定した近接撮像を実現します。

著者らは、本パイプラインが一般的な航空検査に向けた基礎的なステップであることを強調しています。彼らは、ジンバルのアライメントに関するモデルの簡略化や、極端なズームレベルにおける高精度化の必要性など、現在の限界を謙虚に認めています。今後の研究として、運動学モデルの洗練、ターゲットレス・キャリブレーションへの移行、およびより大きな構造物に対する階層的なビューポイント生成を扱うためのプランニング層の拡張に焦点を当てることを提案しています。コードは、インフラ監視や産業品質管理などの新しい領域への適応を促進するために、オープンソースとして公開されています。