文献阅读：EGO-Planner_ An ESDF-free Gradient-based Local Planner for Quadrotors

最新推荐文章于 2025-04-09 15:59:32 发布

andyletsgo

最新推荐文章于 2025-04-09 15:59:32 发布

阅读量842

点赞数 30

文章标签：算法动态规划无人机

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/andyletsgo/article/details/143083380

版权

前言

代码：ZJU-FAST-Lab/ego-planner (github.com)

论文：EGO-Planner: An ESDF-Free Gradient-Based Local Planner for Quadrotors | IEEE Journals & Magazine | IEEE Xplore

灰字为相关名词及细节的解释。

1.概述

基于梯度的局部规划器往往依赖于预先构建的ESDF（欧几里得有符号距离场）地图来评估梯度的大小和方向，并使用数值优化来生成局部最优解。

梯度：在机器人路径规划中，梯度通常指的是距离场（如ESDF）在空间中的变化率。它是一个向量，指向距离增加最快的方向。

ESDF中的梯度：ESDF（欧几里得有符号距离场）为空间中的每个点提供到最近障碍物的距离。ESDF的梯度在每个点给出了距离变化最快的方向。传统方法需要预先计算整个空间的ESDF来获取梯度信息。

局部最优往往在整体上并不是最优的；轨迹优化过程仅覆盖了ESDF更新范围的一个非常有限的子空间，因此计算这样一个场具有很大的冗余性。

创新点提出了一种无需ESDF的基于梯度的四旋翼局部规划方法。这种方法显著减少了计算时间，同时保持了与现有方法相当的性能。

2.避障估计

1.生成一条满足终端约束的简单B样条曲线 $\phi$ ，不考虑碰撞

2.进行迭代，每检测到碰撞段，生成一条无碰撞路径 $\Gamma$ 。如图（a）

利用一种图搜索算法A*生成无碰撞路径。A*使用成本函数f(n) = g(n) + h(n)；g(n)是从起点到当前节点的实际成本。h(n)是从当前节点到目标的估计成本（启发函数）。选择f(n)最小的节点进行扩展。虽然A*生成的路径可能不是很平滑，但它为后续的B样条优化提供了一个很好的初始参考。

3.如图b对于碰撞路径上的每一个控制点 $^{Q_{i}}$ ，首先计算其切线向量 $^{R_{i}}= \left ( ^{Q_{i+1}}-^{Q_{i-1}} \right )/2\Delta t$ ，构造一个垂直于此向量且过控制点 $^{Q_{i}}$ 的平面 $\Psi$ 与无碰撞路径 $\Gamma$ 交于直线 $l$ ；确定一点p为直线 $l$ 上最接近控制点 $^{Q_{i}}$ 的点，且在障碍物表面；接着计算由控制点指向p的单位向量，形成 $\left ( p,v \right )$ 对。

4.如图c定义距离场 $^{d_{ij}}= \left ( ^{Q_{i}}- ^{p_{ij}} \right )\cdot ^{v_{ij}}$ ，当

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。