首先已经有fast -planner的基础以及相关代码了解了,现在来关注ego-swarm
本文提出了一种分散的、异步系统的多机器人在未知的障碍物丰富场景中的自动导航解决方案。该规划系统是在基于梯度的局部规划框架下制定的,其中通过将碰撞风险表述为一个非线性优化问题的惩罚来实现碰撞避免。为了提高鲁棒性和避免局部极小值,我们采用了一种轻量级的拓扑轨迹生成方法。然后,代理使用不可靠的轨迹共享网络在几毫秒内生成安全、平滑和动态可行的轨迹。通过使用深度图像中的代理检测,校正了代理间的相对定位漂移。我们的方法在仿真和真实实验中都得到了验证。发布了源代码以供参考。
ego—swarm 十一架飞机仿真飞行
整个航迹规划分为三个部分:
首先规划一条从起点到终点的航迹,其次用局部规划器考虑出各个单机的航迹,最后考虑其他无人机的航迹用全局规划得到最终的航迹。
J分为两个部分,最小误差项和防撞约束项
,其总误差定义为线性变换与期望值的差值