Scalable Autonomous Drone Flight in the Forest with Visual-Inertial SLAM and Dense Submaps Built without LiDAR

林业是可持续未来的关键因素，但将数字化流程引入以提高效率极具挑战性。主要限制在于由于森林所覆盖的广阔区域和树木数量巨大，很难获得高时空分辨率的准确地图作为知情林业决策的基础。为了解决这一挑战，我们提出了一种自主微型飞行器（MAV）系统，该系统完全依赖于成本效益和轻量级的被动视觉和惯性传感器来执行林下自主导航。我们利用视觉惯性同时定位和建图（VI-SLAM）实现准确的MAV状态估计，并将其与体积占据子地图系统相结合，以实现可扩展的映射框架，可直接用于路径规划。与单个地图相反，子地图本质上处理了VI-SLAM的漂移和修正，因为它们随着姿态估计的更新而移动。为确保MAV在导航期间的安全性，我们还提出了一种新颖的参考轨迹锚定方案，该方案在VI-SLAM系统的状态更新时以一致的方式移动和变形MAV正在跟踪的参考轨迹，即使由于循环闭合而导致状态估计发生大变化也是如此。我们在高树密度的真实和模拟森林环境中对系统进行了全面验证，每公顷树木数量超过400棵，速度高达3米/秒，而没有遇到任何碰撞或系统故障。据我们所知，这是第一个使用低成本被动视觉传感器和完全机载计算（包括VI-SLAM）在这种非结构化环境中实现这种性能水平的系统。

论文旨在解决森林管理中精确地获取高时空分辨率地图以支持决策的难题，提出了一种基于低成本视觉和惯性传感器的自主微型飞行器系统。

论文的关键思路是利用视觉惯性同时定位与建图技术（VI-SLAM）进行准确的微型飞行器状态估计，并将其与体积占用子地图系统相结合，实现可扩展的建图框架，以直接用于路径规划。

论文在高密度树木环境中进行了真实和模拟森林试验，每公顷树木数量超过400棵，速度高达3m/s，没有遇到任何碰撞或系统故障。该系统是使用低成本视觉传感器和完全机载计算，包括VI-SLAM，在这种非结构化环境中实现此级别性能的第一个系统。

相关研究包括：1）利用激光雷达进行森林建图和路径规划；2）使用计算机视觉技术进行树木检测和分类；3）利用无人机进行森林监测和管理。