【论文解读】Fast Likelihood-based Collision Avoidance with Extension to Human-guided Navigation

Xiewf8128

已于 2023-07-01 07:10:26 修改

阅读量2k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：论文解读文章标签：算法 c++ 人工智能机器人自动驾驶

于 2020-10-19 16:44:09 首次发布

本文链接：https://blog.youkuaiyun.com/Travis_X/article/details/109159417

论文解读专栏收录该内容

14 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文提出一种在复杂环境中实现快速自主飞行的避障方法，将环境分为确定性和概率性两部分建模。避障算法避免在线搜索以减少计算复杂度，能在0.2-0.3毫秒内确定路径。该方法适用于有无先验地图的情况，支持人类引导的导航，实验证明其在森林环境中能让无人机以10 m/s速度飞行。

标题：Fast Likelihood-based Collision Avoidance with Extension to Human-guided Navigation
作者：Ji Zhang | Chen Hu | Rushat Gupta Chadha | Sanjiv Singh
来源：Journal of Field Robotics. 2020.
代码：https://github.com/jizhang-cmu/ground_based_autonomy_slimmed

一、简介

我们提出一种计划方法，以在混乱复杂的环境中实现快速自主飞行。通常，在复杂环境中进行自主导航需要对由k连接的网格或概率方案生成的图进行连续搜索。当车辆行驶时，用来自车载传感器的数据更新图是昂贵的，尤其是在路径必须是运动学上可行的情况下，在图上的搜索也是如此。我们建议避免在线搜索以减少计算复杂度。我们的方法在两个单独的区域中对环境进行了不同的建模。障碍被认为在传感器范围内是确定性已知的，而在传感器范围之外是概率已知的。该方法不是搜索成本最低的路径（通常是最短的路径），而是最大化确定导航下一步的目标的可能性。有了这样的问题表述，轨迹库实现的在线方法可以使用调制解调器嵌入式计算机上的单个中央处理单元线程在0.2-0.3毫秒内确定路径。该方法支持使用和不使用先验地图的两种配置。两种配置均可用于规划目标。此外，后者可以允许人类通过定向输入进行导航的导航。在实验中，它使轻型无人机能够在复杂的森林环境中以10 m / s的速度飞行。

二、问题描述

定义Q⊂R作为车辆的配置空间，A ⊂Q表示车辆的当前位置，B⊂Q表示目标点。车辆上配置了用于感知的传感器，S⊂Q定义为传感器感知范围内的空间，对障碍物进行建模以使其S中确定可知，而在Q \ S中概率已知。考虑当车辆从A开始移动时，车辆在起步有多个方向可供选择。为方便起见，让我们在此步骤中将车辆状态命名为起始状态，表示为 Xs，很显然Xs的不同选择会导致不同的路线。在本文中约定，将PB(.)定义为车辆从给定状态成功到达B的概率。与初始状态相关的概