为了开发新的、特定于目标的SLAM实现以及精确的控制方法，这些算法需要一个可行的评估平台，该平台可以部署在感兴趣的领域。在我们的例子中，是一个干船坞环境。获得准确的地面实况的挑战是劳动力和金钱的相对成本。最先进的地面实况系统价格昂贵，并且不适合在高度动态且通常危险的条件下工作。为此，我们提出了一种低成本的方法，能够提取无人机的地面真相，以后可以用来评估最先进的SLAM算法。
我们提出了一种使用基准标记的方法，用于在工业干船坞中快速，廉价地部署地面真相以进行船舶检查。如图1所示，在收集现场数据并使用已部署ArUcos的已知地图后，我们从每个相机中提取轨迹并将其融合。这使我们能够使用直接来自现场的数据来评估许多SLAM算法。数据是在一个装有ArUco标记的干船坞中使用定制设计的无人机收集的。在捕获相机数据后，对相机中标记的识别有助于提取无人机在环境中的相对位置。
图1 用于工业环境中新型轨迹评估方法流程
无人机设计
在这项工作中操作的无人机是一个配备多个摄像头的四旋翼飞行器。该设计通过在前置摄像头支架上添加振动橡胶阻尼器来消除发动机振动，该设计得到了改进。该设计包括一个ZED2作为前置摄像头和一个英特尔实感D435i 作为底部摄像头。低级飞控是运行开源PX4软件的Pixhawk4。如图2所示，为了用Vicon捕获无人机的姿势，在无人机上连接了几个反射球形标记。
图2 无人机多摄像头平台
ArUco标记
ArUco标记底座由中密度纤维板（MDF）板制成，切成60厘米×60厘米矩形，每个矩形的厚度为1厘米。这些板的构造很坚固。这是为了确保在海上设施中可能出现的多风条件下的稳定性。这还可以防止ArUcos由于环境干扰而改变其位置的潜在错误。生成的ArUco标记的海报是使用半磨砂纸打印的，每个尺寸为A2。ArUco图案大约占据了海报的中间，长度为31厘米。
实验室环境
ArUco标记板最初部署在实验室环境中，以便与最先进的地面实测系统相比测试其功效。使用的动作捕捉系统由12台维康V8摄像机组成，能够在姿态估计方面实现亚毫米精度。为了测试最佳的标记内距离，ArUcos以不同的配置进行部署。每个配置由每个ArUco标记与另一个标记的相对距离指定。
测试距离分别为4m，5m和6m，并在两者，检测性能以及现场测试环境覆盖范围的基础上进行选择。由于标记内距离越小，由于在现场对ArUcos的检测更频繁，更可靠，我们期望获得更好的性能。相反，较大的标记内距离将等同于更少的检测事件和更低的性能，但会增加环境的覆盖范围。实验设置如图3所示。
图3 已知的ArUco部署在奥胡斯大学机器人实验室的人工智能中
现场测试
现场测试在丹麦蒙克博附近的欧登塞钢铁造船厂由FAYARD A / S运营的干船坞进行。具体而言，1号干船坞用于数据收集。在测试时，干船坞被一艘正在维修的船只占用。在我们的实验用例中，我们假设地面实况专门用于评估用于船舶检测的SLAM算法。为此，我们创建了两个典型的检测场景：
① 沿着构成干船坞墙和船只本身之间的裂缝的长走廊飞行。
② 在飞行过程中，围绕覆盖两个角落和船头的干船的短壁飞行。
上述每个实验都重复了6次，飞行员被要求按照部署的ArUcos指定的路线飞行，并以大约2米的高度以平均速度1.0米/秒返回。用于拐角和走廊配置的已部署ArUcos 如图4所示。
图4 阿鲁科实地实况部署在实地。左边和右边的图片分别是拐角和走廊的实验配置。这些图片还说明了检查船舶时的危险环境
ArUco方法验证是使用最先进的Vicon系统完成的。使用ArUcos和Vicon估计的姿势差异将作为现场使用基准标记的验证。这也可以用作潜在的RMS ATE，当部署到工业环境时可以预期。
飞行轨迹通过SLAM算法估计，并与部署的ArUco标记生成的参考轨迹进行比较，图5显示了ORB-SLAM3示例。
图5 由具有惯性融合的ORB-SLAM3立体声产生的拐角轨迹。该图显示了映射到轨迹上的误差。错误位于我们的方法生成的引用和SLAM路径之间
所提出的新方法能够提供与最先进的Vicon系统相当的性能评估。该方法更具成本效益，不需要费力且耗时的校准程序。在工业环境中，时间通常至关重要，并且部署了一次标记，它们可以作为基准地图重复使用，用于评估各种不同船只的SLAM算法，从而有助于增强自主无人机系统的基础。
源自：2022 European Control Conference (ECC) July 12-15, 2022. London, United Kingdom