Robust and Efficient Quadrotor Trajectory Generation for Fast Autonomous Flight

作者： 19届 lz

日期：2021-11-3

论文：《Robust and Efficient Quadrotor Trajectory Generation for Fast Autonomous Flight》

问题:

在有限的时间和机载计算资源条件下，现有的工作无法保证高成功率地生成安全可行的动力学轨迹。

贡献:

(1)提出了一种集动力学路径搜索、b样条优化和时间调整为一体的稳健高效的方法。
(2)提出了一种基于b样条凸包特性的优化公式.
(3)采用了一种基于导数控制点与非均匀b样条时间分配的调整方法。

一、背景：

二、有关工作：

硬约束方法

通过凸形式保证全局最优性。然而，忽略了自由空间中与障碍物的距离，这往往导致轨迹接近障碍物。此外，动力学约束是保守的，使轨迹速度不足，以快速飞行。

软约束

方法利用梯度信息推动轨迹远离障碍物，但存在局部极小问题，没有很强的成功率和动力学可行性保证。我们的优化方法还利用梯度信息提高了轨迹的安全性。然而，与以往计算昂贵的沿轨迹线积分的方法不同，基于b样条的凸包特性，将公式设计得更加简单。它大大提高了计算效率和收敛速度。

三、研究过程及结果：

前端轨迹生成

紫线: 由于搜索终点很难正好落于目标，每次从 open set 弹出节点后，都计算一条从当前点到终点的轨迹，若轨迹通过了安全性和可行性检查，则提前终止搜索。

运动原语

使用最优控制公式生成运动原语

启发式

应用庞特里亚金最小值原理，计算出J(t)最小化xc到目标状态xg的轨迹

后端轨迹优化

B样条轨迹优化

轨迹由 b 样条表示(pb = 3)。
其一阶导数(速度)仍然是凸的.

红色曲线是初始路径,绿色曲线是优化后的 b 样条曲线。黄色节点 代表 b 样条的控制点。由于忽略了距离信息，初始路径接近障碍物，需要结合梯度信息,用B样条优化将轨迹推开.

损失函数

光滑性保证

使轨迹平滑

可靠性保证

d(Qi): 控制点到最近障碍物的距离
将轨迹退离障碍物

动力学可行性保证

时间调整

基本的原因是梯度信息倾向于拉长整个轨迹，同时推动它远离障碍。因此，原有的时间分配可能会导致部分轨迹不可行(过大的速度和加速度)。

解决方法: 进行时间调整,来使得轨迹上的速度和加速度低于最大限制

假设速度曲线的控制点超过了可行性的约束，只需要控制最初控制点之间的节点向量的间隔，就可以把超过速度阈值的部分减少。

如果,那么速度将是可行的.因为:

加速度优化同理.

整体流程

是在每一个点处计算运动基元，然后再迭代的在运动基元中的点去计算运动基元，在这个过程中同时使用A算法去计算并搜索路径。然后利用b样条曲线来对已经获得的A路径进行优化.

结果

前端轨迹生成对比:

后端轨迹优化对比:

conclusion

本文提出了一种新颖的四旋翼自主导航在线运动规划方法。将在线快速运动规划问题分解为前端动态路径搜索和后端非线性轨迹优化。采用动态路径搜索算法寻找安全、动态可行和最短时间的初始路径，并通过梯度优化算法进一步提高初始路径的平滑性和间隙性。