【泡泡一分钟】基于快速可见树的实时机器人路径规划

每天一分钟，带你读遍机器人顶级会议文章

标题：Real-time Robot Path Planning using Rapid Visible Tree

作者： Wen Xing, Aiguo Song and Lifeng Zhu

来源：2021 IEEE International Conference on Robotics and Automation (ICRA)

编译：姚潘涛

审核：Zoe，王靖淇

这是泡泡一分钟推送的第 979 篇文章，欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

本文提出了一种新的路径规划策略——快速可见树（RVT）算法，用于在没有危险碰撞的复杂环境中引导机器人到达目标。RVT通过融合可见性信息和经典的基于树的搜索方法，仅将从环境中局部获取的噪声点作为输入，并计算每个位置的可见区域，以确定路径树的生长方向。与传统方法相比，RVT更高效、更轻、更健壮。我们证明，RVT算法不仅可以实时完成路径规划任务，而且可以在模拟或真实场景中探索未知环境。

图 1（a） 我们从障碍物（黑点）上的采样点计算可见区域。由多边形V（p）限定的可见区域对于位置p处的机器人来说是安全的。V（p）的中心区域可以很好地看到由V（p）限定的空间，并且V（p。（b） 它需要大量的随机节点来对安全区域进行采样。

图2 我们根据从位置p捕获的点X（p）计算可见单元格V（p），然后根据可见单元格的顶点和中心确定移动方向。通过迭代执行这些操作，快速可见的树将增长到目标位置。

图3 （a） 我们方法中提出的可见单元格。（b） 通过直接连接相邻扫描点而形成的多边形。

图4 计算可见单元格的运算符图示。原始域中的点X（p）首先映射到反向域中的bX（p。然后将bX（p）的凸包上的顶点映射回原始域，形成可见单元格V（p）。

图5 （a） 热图显示了等式3中的能量分布，其中高能量和低能量映射为红色和蓝色。（b） 相对于凹面区域的重心，可见中心对机器人来说更安全。

图6 （a） 在分支区域，我们选择距离目的地最近的一个未访问的cap Cbest作为参考来决定移动方向。（b） 如果可见单元格只访问了大写，我们将开始回溯过程。（c） 当机器人再次返回到分支区域时，北边的封盖被标记为已访问封盖，并向右移动到未访问封盖。

图7 对于两个不同的场景，我们将建议的RVT与ORRT*和TP-RRT进行比较。黑线、绿点和蓝点分别是障碍物、起点和终点。橙色点是算法采样的节点，紫色线是找到的路径。

图8 根据FWG（a，b）和拟议RVT（c，d）计算的航向。红点和蓝点代表机器人和目标点。黑点是原始点。蓝线是障碍物之间的上限，红线是选择的最佳上限。红色和蓝色箭头表示对最佳差距和进球点的吸引力，绿色箭头表示最终移动方向。

图9 根据FWG和RVT计算的航向和航向。在不规则区域周围，提出的RVT对原始扫描点进行过滤，并找到一个安全的航向以达到目标。

图10 我们使用RVT算法来探索两种类似迷宫的场景。我们在每个移动步骤中添加噪声，以模拟机器人控制中的误差。橙色的点是勘探中采样的节点，紫色的线是勘探中的路径。

图11 （a） 移动机器人正在物理空间中使用RVT算法规划其路径。（b） 机器人探索空间并找到通往目的地的路径

Abstract

This paper proposes a new path planning strategy - the Rapid Visible Tree (RVT) algorithm to guide a robot to its goal in a complex environment without dangerous collisions. By fusing the visibility information with the classic tree-based searching method, RVT only takes the noisy points locally acquired from the environment as input and computes the visible region at each location to decide the growing direction of the path tree. Compared with traditional methods, RVT is more efficient, lightweight, and robust. We demonstrate that the RVT algorithm can not only complete the path planning task in real-time but also explore the unknown environment in simulated or real scenes.

如果你对本文感兴趣，请点击点击 阅读原文 下载完整文章，如想查看更多文章请关注 【泡泡机器人SLAM】公众号（paopaorobot_slam） 。

百度网盘提取码：sf8y

欢迎来到泡泡论坛，这里有大牛为你解答关于SLAM的任何疑惑。

有想问的问题，或者想刷帖回答问题，泡泡论坛欢迎你！

泡泡网站：www.paopaorobot.org

泡泡论坛：http://paopaorobot.org/bbs/

商业合作及转载请联系[email protected]