6_Visibility Graph_宾夕法尼亚大学机器人运动规划专项课程【学习笔记】

本文探讨了在大规模运动规划中,如何通过位形空间路径规划的三种方法,结合Dijkstra和A*算法,处理二维障碍物问题。重点介绍了可视图算法的原理及其在障碍物识别中的应用,以及如何考虑安全空间对路径的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

现在有一个理论框架,可以(以此切入)考虑大面积的运动规划问题,如何在位形空间中规划路径,下面来探讨一下该问题的三种不同解法,它们的出发点是一样的
也就是,一开始它们都将(机器人的)运动放到连续位形空间里进行规划,然后用不同的方法在图像中对问题进行重构,于是我们就可以应用讨论过的算法,如烧草、Dijikstra 和 A* 算法,我们可以用接下来的图中呈现的2D规划方案来阐明这些方法。
在这里插入图片描述
像往常样,我们的目标是,在二维的位形空间内找到一个从起点到终点的轨迹,在这个例子中,位形空间中的障碍物被简化成多边形,表明将出现离散化的现象。

如下图所示,我们将(起始)点和每个位形空间光学顶点(optical vertex)两两相连,然后,我们只需要计算这个可视图(visibility graph)(中的数据)。
具体地说,我们在任意两个顶点之间绘制一条边,这两个点可用直线连接,而且这些直线完全处于自由空间,注意,同个障碍上的相邻顶点间的边也包括在内。【这里感觉官方课件中少画了一条边,所以用红色双向箭头补上】

在这里插入图片描述

为了能够让算法运作起来,我们需要确定,在位形空间中任何两点之间的线与障碍是否相交,在此图中的位形空间,其障碍是多边形的,实际上(对于算法的运行)是相对简单的,在这个图中,我们把起点和终点也算作(需要描绘的)点。

完成这一步后,让我们回到一开始讨论的的规划问题中,我们的目标是,建立一条从起点到终点的最短路径,解决这个问题很简单用Dijkstra算法就行,这里是这个例子中我们所找到的最短路径的结果。

在这里插入图片描述

事实上,这个可见图算法是完备的,就是说,如果路径真实存在那么其定会找到,而如果不存在则会报错,这种情况会在起点或终点被障碍物完全包围时出现。

可证明这个可视图算法实际上就是构建两点间的最短路径,这个想法应该能启发你:将两顶点间的路径看成一条线,想象一下如果你把这个线拉得很紧,没有任何松地的地方,会发生什么呢?其产生的轨迹将由可见图边缘对应的顶点之间连成的直线组成。然而,我们可以进一步讨论运动轨迹紧紧地贴着障碍物到底好不好,实际上,我们可能倾向于假设机器人比它实际尺寸大上一点,因为要留一定的安全空间,所以位形空间中的障碍会变大一些。

感谢 B 站 up 主 Here_Kin 的翻译和分享!
【自制中英】宾夕法尼亚大学机器人专项课程二 运动规划 - Robotics:Motion and Planning

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值