• 欢迎访问开心洋葱网站,在线教程,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站,欢迎加入开心洋葱 QQ群
  • 为方便开心洋葱网用户,开心洋葱官网已经开启复制功能!
  • 欢迎访问开心洋葱网站,手机也能访问哦~欢迎加入开心洋葱多维思维学习平台 QQ群
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏开心洋葱吧~~~~~~~~~~~~~!
  • 由于近期流量激增,小站的ECS没能经的起亲们的访问,本站依然没有盈利,如果各位看如果觉着文字不错,还请看官给小站打个赏~~~~~~~~~~~~~!

环境感知与规划专题(八)——基于稀疏点云的避障规划器(二)

人工智能 遥远的乌托邦 1203次浏览 0个评论

前言

  上篇中介绍了基于稀疏点云传感器的常用避障规划算法,由于实际工程中受限于不同产品的技术成熟度、成本的因素的原因,不得不采用低成本的单点测距传感器进行避障。然而,避障作为无人机自动飞行必不可少的功能,设计一个健壮的避障规划器显得尤为重要。   本篇将针对单点测距传感器(如「超声波、红外、部分毫米波雷达等」)的避障规划算法进行详解。  

基于单点测距传感器的避障规划算法

  由于单点测距传感器的测量范围有限,且其信息量较小,我们设计了一种特殊的基于「JLT」(该算法已在前几篇中详解,本篇不再赘述)轨迹优化算法的避障规划算法,其核心算法流程如下图所示:  

环境感知与规划专题(八)——基于稀疏点云的避障规划器(二)

  核心算法主要分为以下两部分:  

  • 「感知」

  由于我们的无人机机头前部安装了单点测距传感器,整个飞行过程中,飞行方向始终保持与机头方向一致,以保证测距传感器能够正常检测飞行方向上的障碍物,支撑无人机的避障规划。   这里,我们令检测到的障碍物距离为
[公式],在得到障碍物距离后,我们首先需要将其坐标从「机体系」
[公式]转换至大地坐标系(「导航系」
[公式],由于单点测距传感器与机头方向一致,这里可认为无人机相对障碍物的偏角等价于无人机的航向角
[公式],由此可得,障碍物在大地坐标系
[公式]下的坐标为:  
[公式]   其次,在得到障碍物在大地坐标系
[公式]下的坐标后,我们需要对其进行半径为
[公式]的膨胀处理,从而使得运动规划问题的求解变得更为简单。障碍物膨胀半径
[公式]包含了我们对于无人机尺寸以及刹车缓冲区的预估,理论上,无人机规划轨迹只要不经过膨胀后的障碍物区域,那么我们认为,该轨迹就是「Collision-free」的。  

  • 「轨迹生成与重规划」

  在得到业务层给定的目标航点(「Waypoint」)后,我们采用上文提到的「JLT」算法进行「轨迹生成/优化」。   首先,我们假设无人机从当前飞行状态进行刹车,从而,通过「JLT」算法,我们能够得到第一条轨迹,记为
[公式],该轨迹表示的是「若当前飞行器突然发现前方突然出现障碍物,则飞行器进行紧急刹车时所生成的预测轨迹」。   在得到
[公式]后,我们需要结合该段轨迹信息与障碍物信息,对无人机进行碰撞检测:  

function [ ret ] = collisionCheck( x, y, z, x_obs, y_obs, z_obs, r)
    if((x - x_obs) * (x - x_obs) + (y - y_obs) * (y - y_obs) + (z - z_obs) * (z - z_obs) <= r * r)
        ret = 1;
    else
        ret = 0;
    end
end

 

其次,我们需要根据当前无人机状态,进行常规的「JLT」轨迹生成,从而得到第二条轨迹,记为
[公式],该轨迹表示的是对于当前的业务目标,无人机下一时刻的运动轨迹。

 

当碰撞检测成功(即「无人机的刹车预测轨迹进入膨胀后的障碍物区域」),我们将对无人机的
[公式]方向进行「刹车」;同时,对于
[公式]方向而言,我们输入一个「微小」的上升速度指令,使其在水平刹车的同时,在垂直方向缓慢爬升,以避开障碍物。直到无人机在前方无法检测到障碍物,无人机将根据当前业务目标所生成的轨迹执行任务。

 

如下图所示,为本文所设计的避障规划算法的仿真飞行实验,该实验模拟了无人机在自动返航中途遇到障碍物的情况。

 

其中,绿色轨迹为
[公式],红色轨迹为
[公式],蓝色为环境中膨胀后的障碍物区域。从实验结果来看,无人机在执行返航任务的过程中,在其检测到障碍物后,能够及时地进行减速(「刹车」),同时,缓慢上升以寻找「Collision-free」的返航路径。  

环境感知与规划专题(八)——基于稀疏点云的避障规划器(二)

总结

  本篇针对单点测距传感器的无人机避障规划算法进行讨论,在不进行建图的前提下,设计了一种基于「JerkLimitedTrajectory」的避障规划算法,并针对无人机自动返航的应用案例进行了实验仿真。仿真实验结果表明,该算法能够较早地预判无人机的刹车轨迹,并针对高楼等障碍物进行探索性的「Collision-free」轨迹重规划。在下一篇中,我们将对其他稀疏点云传感器的避障规划算法进行详解。  


「作者简介:」 一个被Coding耽误的无人机算法工程师,控制、导航略懂一二,热衷技术,喜欢乒乓、音乐、电影,欢迎交流。

「知乎:」 @遥远的乌托邦 「GitHub:」 github.com/DistantUtopi 「微信公众号:」 @遥远的乌托邦

 


开心洋葱 , 版权所有丨如未注明 , 均为原创丨未经授权请勿修改 , 转载请注明环境感知与规划专题(八)——基于稀疏点云的避障规划器(二)
喜欢 (0)

您必须 登录 才能发表评论!

加载中……