【论文解读】DSVP：通过动态扩展实现快速探索的双阶段视点规划器

标题：DSVP: Dual-Stage Viewpoint Planner for Rapid Exploration by Dynamic Expansion
作者：Hongbiao Zhu, Chao Cao, Yukun Xia, Sebastian Scherer, Ji Zhang, and Weidong Wang
来源：https://frc.ri.cmu.edu/~zhangji/publications/IROS_2021.pdf
代码：https://github.com/HongbiaoZ/dsv_planner

---

摘要

我们提出了一种高效地探索高度复杂环境的方法。该方法包含两个规划阶段 ，扩展地图边界的探索阶段和将机器人明确转移到环境中不同子区域的重定位阶段。 探索阶段发展局部快速探索随机树（RRT） 环境的自由空间，以及重定位阶段通过映射环境来维护一张全局地图，都是动态扩展的过度重规划步骤。 通过将该方法与现有先进的前沿算法在各种具备挑战性的模拟和真实环境中进行实验对比，实验结果比较表明，我们的方法在使用较少处理的空间探索空间方面的效率是现有方法的两倍。 此外，我们发布了一个基准环境来评估探索算法并促进自主导航系统的开发。基准环境和我们的方法都是开源的。

---

一、介绍

在大多数算法里见到的更多是用全局和局部规划来区分两个阶段，虽然我们的方法略有不同，但是整体框架还是很类似的。不过我们的算法真正的贡献点并不在于理论框架的创新我们的主要贡献有两点。

● 动态更新探索阶段的RRT。每次探索阶段的规划都会使用上一次规划中的能够重复使用的信息，这样能够很大程度上减少需要采样的观测点数目，降低规划所需时间。

● 使用边界点作为探索阶段与重定位阶段的切换依据以及重定位阶段选取目标点的依据，大幅降低重定位规划所需时间，并保证不会有遗漏区域。

DSV Pl