基于似然域的快速避障方法以及在遥控导航中的应用
摘要: 我们提出了可以在拥挤环境下快速自主飞行的规划算法.传统的方法,自动导航算法通过一个复杂的环境,需要搜索一个k-connect 的栅格地图或者概率地图.当机器人移动的时候,通过传感器的数据,搜索一个符合运动学约束的路径是十分耗时的.我们提出了一个离线搜索算法降低计算复杂度.
方法 把环境分成独立的两个部分.在传感器的范围内认为,障碍物是已知的,传感器范围之外的认为是概率知道.不同与传统的,计算最低代价值,寻找最短路径的方法,最大似然概率的方法,保证到达确定的每一个下一个目标的概率最大.
实验 算法可以一个板载的单线程的处理器上,0.2-0.3ms内在轨迹库中找到轨迹.支持,有图和无图两种方式,无人机在10m/s复杂树林环境下飞行.
关键词: 空中机器人 避障 规划
1 介绍
目的: 解决复杂环境下快速自主飞行问题
问题描述: 问题具有挑战性 , 板载传感器 建立环境地图,计算符合运动学约束的路径 ,
耗费计算资源
过去怎么解决的:分层的理论,两部分,全局和局部两个子问题,全局用启发式的算法保证最优性,局部采用并行计算处理的方式跟踪全局路径,同时做避障.
文献部分
Droeschel et al., 2016
Multi‐layered mapping and navigation for autonomous micro aerial vehicles
Gonzlez, Prez, Milans, & Nashashibi, 2016
A review of motion planning techniques for automated vehicles
Scherer, Singh, & Chamberlain, 2008
Flying fast and low among obstacles: Methodology and experiments
方法在这论文中使用,但是需要计算资源 . 我们的方法可以节省计算资源
我们的方法
采用离线搜索的方式,降低计算复杂度,离线的搜索 , 用概率的方式
最大化到达下一步目标的概率,不是搜索最低代价的路径. 传感器范围内障碍物,都是认为是确定的,
传感器范围之外的,基于先验地图,是概率知道的.然后离线生成一个轨迹库.在导航的时候,根据概率,评估每一组的概率,然后决定那一条路径.
好处2: ,概率可以和机器人的行为联系在一块.现有