[运动规划算法]基于滚动优化的路径规划器lexicographic_planning

最新推荐文章于 2025-02-17 12:46:36 发布

原创

最新推荐文章于 2025-02-17 12:46:36 发布 · 3.5k 阅读

20 ·

CC 4.0 BY-SA版权

本文介绍了一种针对城市水道中ASV的新型规划器，lexicographic_planning，它通过滚动优化和词典式搜索算法解决路径规划问题。算法考虑了碰撞、航向和行进代价，实时生成路径，且无需调整参数。研究通过仿真和实地测试验证了其有效性。

标题：A Receding Horizon Multi-Objective Plannerfor Autonomous Surface Vehicles in Urban Waterways
作者：Tixiao Shan, Wei Wang, Brendan Englot, Carlo Ratti, and Daniela Rus
来源：https://arxiv.org/abs/2007.08362
代码：https://github.com/TixiaoShan/lexicographic_planning

摘要

lexicographic_planning是一种新颖的滚动优化规划器，适用于在城市水道中执行路径规划的无人船（ASV），通过从传感器观测构建的图中重复生成并进行搜索直至找到可行的路径。它将导航过程中需要解决的各种挑战建模成最小化代价，这样就将规划问题转化为多目标的优化问题。通过一种词典式高效的多目标搜索算法对所有目标进行分层排名快速解决多目标的规划问题，而无需对参数进行调整。

实际中实时快速生成路径的方案有很多，譬如基于采样的运动规划算法概率路线图（PRM）、快速随机搜索树（RRT）以及它们的变体PRM*、RRT*、RRG等，这些方法通常是考虑了时间、能量、行进距离、碰撞、交通规则等约束。

而lexicographic_planning规划器考虑的资源管理的问题，当两个或多个约束同时存在时会对这些约束进行分级惩罚的管理，优先级高的约束承担惩罚的代价也就越高，当主要的惩罚代价没增加时，则会引入次要的代价或者次次要的代价。

在这里插入图片描述

主要贡献

提出新颖的滚动优化规划器，适用于城市航道中ASV的自主导航。
高效的多目标搜索算法，可通过对目标进行分层排名，从而实现实时性能而无需迭代调整约束。
框架通过仿真和现实环境中的测试来进行验证。

一、算法流程

1.路径规划

C表示的是机器人构造的空间，x∈C表示构建的机器人。C（objs）⊂ C表示空间中的障碍物，S代表传感器的数据。C（free）= cl（C \ C（obst）），其中cl（）代表开放列表的闭集，表示无碰撞的自由空间。假设我们给定X（c）∈ C（free) 和全局路径G。机器人必须在adj（G）上移动，adj（G）代表C中G的邻近区域，并达到G末尾时的目标状态为Xg。

一条路径为连续的函数σ ：[0,1]->C中限定的路径。Σ表示给定的构造空间中的所有路径σ。如果σ ∈ C（f ree）, σ(0) = Xc and σ(1) = Xg则表示一条无碰撞的可行路径。
一条可行路径包含两部分σ = σG ∪ σg. σG，在adj（G）当中，通过搜索有向图G（V，E）而获得，节点为V边界为E。σg∈ G能从G中直接获取，σg 和 σG 能关联为 σg(1) = σG(0)