RADAR Perception for Dynamic Obstacle Avoidance onboard small-scale Quadrotor UAVs

Technische Samenvatting: RADAR-perceptie voor dynamische obstakelvermijding aan boord van kleine quadrotor-UAV's

Probleemstelling
Snelle dynamische obstakelvermijding (DOA) voor unmanned aerial vehicles (UAV's) vereist een perceptiesysteem dat een balans vindt tussen lage latentie, voldoende detectiebereik en robuustheid in ongunstige omgevingsomstandigheden. De huidige state-of-the-art DOA-systemen vertrouwen zwaar op visuele sensoren (camera's) of LiDAR. Echter, optische sensoren hebben moeite met slechte lichtomstandigheden, rook en reflecterende oppervlakken, terwijl ze ook geen directe snelheidsmetingen leveren, wat extra verwerking vereist en de latentie verhoogt. LiDAR biedt detectie op lange afstand, maar vraagt veel rekenkracht en kan eveneens geen snelheid direct meten. Millimetergolf (mmWave) RADAR biedt een kosteneffectief alternatief met directe metingen van afstand, snelheid en positie, en is robuust tegen licht en rook. De RADAR-data zijn echter ijl (sparse), waardoor het schatten van de objectgrootte moeilijk is, en de toepassing ervan voor snelle onboard DOA (hoger dan 50 Hz) op platforms met beperkte middelen is voorheen niet gevalideerd.

Methodologie
De auteurs stellen een lichtgewicht, end-to-end perceptie-en-controle-systeem voor dat gebruikmaakt van een 77–81 GHz mmWave FMCW RADAR-sensor op een kleine quadrotor. De systeemarchitectuur is verdeeld in drie hoofdonderdelen:

1. Perceptie en Tracking:

   • Detectie: Het systeem maakt gebruik van een sliding-window algoritme gecombineerd met DBSCA clustering om ruwe RADAR-point clouds te verwerken met 100 Hz. Het onderscheidt dynamische van statische punten aan de hand van radiale snelheidsdrempels en aggregeert frames om 3D bounding boxes met staatsschattingen $(x, y, z, v_x, v_y, v_z)$ te genereren.
   • Tracking: Een SAFE-Interacting Multiple Model (IMM) tracker wordt gebruikt om obstakels robuust te volgen. Deze architectuur beperkt de trajectdrift tijdens modelwisselingen zonder hoge computationele kosten, door gebruik te maken van een Global Nearest Neighbor (GNN) associatie en Kalman-filters (constante snelheid en constante versnelling).
   • Latentie-analyse: De auteurs leiden analytische grenzen af voor succesvolle vermijding, waarbij een kritische afstand $d_{crit}$ wordt gedefinieerd op basis van de totale end-to-end latentie ($t_{end} = t_{det} + t_{avoid}$), de ontwijkingstijd ($t_{evade}$), en de relatieve snelheid ($v_{rel}$). Succesvolle vermijding vereist dat de manoeuvre wordt getriggerd voordat het obstakel binnen $d_{crit}$ komt.

2. Controle en Vermijding:

   • Het systeem maakt gebruik van een Distributionally Robust Acceleration Control Barrier Filter (DR-ACBF). In tegenstelling tot zware quadratic programming solvers, gebruikt deze controller een Gauss-Southwell deterministische projectie om ontwijkende versnellingen binnen een lineaire halfruimte te berekenen.
   • Om om te gaan met RADAR-ruis en schattingsfouten, bevat het framework een Distributionally Robust Conditional Value-at-Risk (DR-CVaR) trigger. Dit mechanisme breidt de veiligheidsmarges adaptief uit op basis van scenario's met de slechtste uitkomst (worst-case probability distributions), wat robuuste botsingsvermijding garandeert, zelfs met ruisige metingen.

3. Implementatie:

   • Het systeem is geïmplementeerd op een Raspberry Pi 4B (Pi4B) companion computer, draaiend op Ubuntu 20.04 en ROS2 Galactic, gekoppeld aan een PX4 flight controller.
   • De RADAR-sensor is geconfigureerd voor een hoge snelheidsresolutie en een breed gezichtsveld, geoptimaliseerd voor het detecteren van kleine Radar Cross Section (RCS) objecten.

Belangrijkste Bijdragen

• Eerste mmWave RADAR-gebaseerde snelle DOA: Naar weten van de auteurs is dit het eerste systeem dat snelle onboard DOA demonstreert met mmWave RADAR op een resource-beperkte UAV zonder GPU-acceleratie.
• Latentie en Ruimtelijke Grensanalyse: Het artikel biedt een theoretische afleiding van de temporele en ruimtelijke beperkingen die nodig zijn voor succesvolle DOA, waarbij de detectieafstand, relatieve snelheid en controlevertragingen aan elkaar worden gerelateerd.
• Systeemvalidatie: De auteurs valideren het systeem op zowel een workstation als een Pi4B, waarbij real-time haalbaarheid wordt aangetoond met een end-to-end latentie van ongeveer 14 ms.
• Omvattende Dataset: Het werk bevat een dataset van 390 worpen met drie verschillende objectgroottes onder variërende zichtbaarheidsomstandigheden (licht, donker en rook).

Experimentele Resultaten
Het systeem werd geëvalueerd via stationaire hardware-in-the-loop (HiL) experimenten en vluchttests aan boord:

• Detectie nauwkeurigheid: In licht- en donkere omstandigheden behaalde het systeem positiefouten van minder dan 0,15 m in de x-richting, 0,93 m in y, en 0,87 m in z. In rookomstandigheden, waar de grondwaarheid (ground truth) niet beschikbaar was, bleef de spreiding van de gedetecteerde posities consistent met de resultaten bij licht/donker, wat duidt op robuustheid.
• Vermijdingsprestaties: Over 390 worpen in stationaire experimenten met variërende objectgroottes (0,1 m tot 0,3 m) behaalde het systeem een algehele vermijdingsgraad van meer dan 80% voor afstanden groter dan 1 meter. De DR-ACBF-controller activeerde de vermijding succesvol bij een gemiddelde afstand ($d_t$) van 2,12 m tot 4,03 m, ruim boven de berekende kritische afstand ($d_{crit} \approx 1,02$ m voor stationaire tests).
• Vluchtexperimenten: In 20 vluchten aan boord (hoveren en voorwaartse vlucht met 1 m/s) demonstreerde het systeem betrouwbare vermijding bij obstakelsnelheden van meer dan 6 m/s. De end-to-end computationele latentie op de Pi4B was 13,65 ms, wat voldoet aan de real-time eisen.
• Falen-analyse: Het systeem faalde primair wanneer ultra-kleine, niet-metalen objecten (bijv. tennisballen van 0,1 m) in rook te laat werden gedetecteerd (onder $d_{crit}$) vanwege een lage RCS, of als CPU-pieken de latentie boven de veiligheidsmarge verhoogden.

Betekenis en Claims
Het artikel claimt dat mmWave RADAR een levensvatbare primaire sensor-modaliteit is voor snelle DOA op kleine UAV's, waarbij een sterke afweging wordt gemaakt tussen robuustheid (in rook en bij weinig licht), latentie en efficiëntie van de onboard berekeningen. De auteurs benadrukken dat hun systeem robuuste detectie en vermijding mogelijk maakt zonder afhankelijk te zijn van deep learning of GPU's, wat het geschikt maakt voor implementatie op resource-beperkte edge-hardware. De resultaten bevestigen dat met adequaat latentiebeheer en robuuste controlestrategieën (DR-ACBF), RADAR snelle dynamische obstakelvermijding kan ondersteunen, een capaciteit die voorheen werd gedomineerd door vision- en LiDAR-systemen. Toekomstig werk richt zich op het uitbreiden naar sneller bewegende ego-UAV's in buitenomgevingen en vermijding van meerdere objecten.