Autonomous Hiking Trail Navigation Via Semantic Segmentation and Geometric Analysis

著者: Camndon Reed, Christopher Tatsch, Jason N. Gross, Yu Gu · IROS 2025

ライセンス

• オープンアクセス
• 論文: CC BY 4.0

以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。

要約

カメラの意味情報と LiDAR の幾何情報を一つの走行可能性マップに融合し、RRT* ウェイポイントプランナーが Husky ロボットをトレイル上にとどめつつ、危険があればトレイル外へ迂回させる。

重要な理由

著者らは、トレイルを走行できるロボットの用途として、トレイルの監視と保守、ガイドツアー、野生動物の追跡、生態系の評価、捜索救助を挙げている。シミュレーションによるスイープは重要なトレードオフを明確にする。意味情報の重みを大きくするとロボットはよりトレイル上にとどまり、著者らはこれを侵食や生息地の攪乱の低減に結び付けているが、その代わりにルートは長くなる。

課題

ハイキングトレイルは非構造的で、天候、植生、侵食、人の往来によって変化するため、自律走行する地上車両にとって困難である。LiDAR のみの幾何学的手法はトレイル上の小さな危険を見逃したり、背の高い草を障害物と見なしたりすることがある。カメラのみの意味的手法は悪天候や視界不良に弱く、2.5D の融合グリッドマップはセルごとに一つの値しか保持しないため、張り出した構造や多層構造を見逃す。トレイル用ロボットはさらに、トレイル上にとどまることと、危険を避けたり安全な近道を取ったりするためにトレイルを離れることとのバランスを取らなければならない。

提案手法

手作業でラベル付けした 1,250 枚のトレイル画像（8 クラス）で学習した YOLOv8 セグメンテーションモデルが ZED 2i の RGB ストリームにラベルを付ける。マスクはステレオ深度の点群に投影され、点群はフィルタリング（0.5–6.0 m の範囲、0.1 m のボクセル、統計的外れ値除去）されたうえで、デュアル k-d ツリーによって LiDAR の幾何学的地形解析と対応付けられる。各点のコストは C = w·(semantic cost) + (1 − w)·(geometric cost) であり、融合された点群はオドメトリと ICP によって大域的な走行可能性マップに登録される。RRT* グローバルプランナーは、一様分布ではなく走行可能性の分布から候補ウェイポイントをサンプリングし、FALCO ローカルプランナーに渡す。

主な知見

• 幾何情報のみによる走行可能性（w = 0）は最も悪い結果となり、0.5 未満の重みは三つの指標（時間、距離、トレイル上を走行した割合）のすべてで劣っていた。
• w = 0.5 から w = 1 の間では、意味情報の重みを大きくするとトレイル上を走行する割合が増えたが、走行時間と距離は長くなり、追従と効率の明確なトレードオフが見られた。
• 走行可能性マップの確率分布によって RRT* のサンプリングに偏りを与えることで、一様ランダムなサンプルではなく、走行可能な地面に向けて木を成長させる。
• ロボットの高さを超える点と、ステレオカメラの信頼できる深度範囲 0.5–6.0 m の外にある点を除去することで、誤った深度や密な植生によるノイズを低減する。

主な結果

• YOLOv8 セグメンテーションモデルは、全クラスで 75.8% mAP、トレイルクラスで 96.7% mAP を達成した。
• シミュレーションの経路 1：トレイル上を走行した割合は w = 0 での 24.93% から w = 1 での 67.47% に上昇した。w = 0.5 で時間と距離が最短となった（114.14 s、140.8 m）。
• シミュレーションの経路 2：トレイル上の割合は w = 0 での 18.768% から w = 1 での 64.65% に上昇したが、w = 1 では 193.64 s と 225.1 m を要し、w = 0.5 では 108.47 s と 146.2 m であった。
• West Virginia University Core Arboretum のトレイルにおける w = 0.75 での実地試験：ロボットは通行不能な物体を識別し、草地を通って迂回し、通行可能な経路が得られるとトレイルに戻った。

制限事項

• 著者らは、少数クラスの精度を高めるためにより大きなセグメンテーションデータセットを、汎化性能を高めるために他の季節や他のトレイルのデータを求めている。
• 著者らは、ウェイポイント選択器におけるトレイル追従とトレイル外への迂回とのバランスには、まだ最適化が必要だと述べている。
• 実地での実証は一区間のトレイルのみを対象とし、定性的に報告されている。走行可能性マップは、ウェイポイントを計画する前に遠隔操作による走行の間に構築された。
• 意味的マッピングはステレオ深度に依存しているが、著者らはそれを 0.5 m から 6.0 m の間でのみ正確だとしている。
• 融合の重み w は手動で設定された固定パラメータであり、二つのシミュレーション経路から選ばれた（実地では 0.75）。

分野への影響

本論文は IROS 2025 の賞のファイナリスト（プログラムセッション TuAT1）であり、被引用数は 4 である。著者らは、意味ラベル付きのハイキングトレイル画像データセットを IEEE DataPort で、ベンチマークとしての利用を想定した Gazebo のハイキングトレイルシミュレーション環境を公開している。

概要

自然環境は、特にその非構造的で絶えず変化する性質のために、ロボットの自律ナビゲーションに大きな課題をもたらす。天候、植生、人の往来に影響される動的な状態を持つハイキングトレイルは、そうした課題の一つである。本研究は、トレイルへの追従と、必要に応じてトレイル外のルートに適応する柔軟性とを両立させる、自律的なハイキングトレイルナビゲーションの新しい手法を提案する。その解決策は、カメラ画像からの意味情報と LiDAR からの幾何情報を統合して周囲の地形を包括的に把握する、走行可能性解析（Traversability Analysis）モジュールである。プランナーはこの走行可能性マップを用いて安全にナビゲートし、トレイルに従いつつ、トレイル上の危険を避けるため、あるいは安全なトレイル外の近道のために、必要に応じてトレイル外への移動を許容する。本手法は、走行可能性推定における意味情報と幾何情報のバランスを決定するため、シミュレーションにより評価される。これらのシミュレーションでは様々な重みを試し、異なるトレイルシナリオにおけるナビゲーション性能への影響を評価した。その後、West Virginia University Core Arboretum での実地試験により重みを検証し、実環境における本手法の有効性を示した。

リンク

• arXiv 2409.15671: https://arxiv.org/abs/2409.15671
• DOI 10.1109/IROS60139.2025.11245853: https://doi.org/10.1109/IROS60139.2025.11245853
• PDF: https://arxiv.org/pdf/2409.15671v1