DWA论文解析(2)

最新推荐文章于 2024-03-18 08:54:57 发布
最新推荐文章于 2024-03-18 08:54:57 发布
阅读量1k 收藏 2
点赞数 6
分类专栏： 动态窗口法 路径规划
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gophae/article/details/105468322
版权

本文解析 The Lane-Curvature Method for Local Obstacle Avoidance
文章是将directional approach的优点加入了这个方法中。文中所谓的CVM method(curvature velocity method)也就是后面所谓的dwa,只是名字不同而已，都是采样rotational and transitional velocity, and generate a objective function, then pick the rotational and transitional velocity tuple that minimizes the objective function. 但是文章指出了一个问题，这种方法更加关注避障，而不去关注一个能够避障的方向。这个问题在上一篇文章中已经提及，这个局部规划方法极有可能落入一个local optima. 所以文章提出了一个新的思路，叫做LCM(lane curvature method), 这个方法分为两个步骤，1，使用lane method 确定一个前进方向。2，在此基础上使用CVM计算出合理的速度选择。值的注意的是如果有变换lane的情况，还有一个local heading的规则，来计算如何选取local heading 帮助你变道。

具体的方案在文章中的介绍如下:
The Lane-Curvature Method(LCM), described in this paper, improves the velocity space approach by considering collision free direction as well as the collision free arc length. It uses a two-step approach to navigation. First, given a desired goal heading, a directional approach, called the Lane Method, chooses a ”lane” for the robot to be in, taking into consideration obstacle avoidance, motion efficiency, and goal directedness. Then, the Lane Method calculates a local heading that will guide the robot either into, or along, that lane. Since, the Lane Method alone can-not account for the physical constraints of the robot motion, the local heading is supplied to CVM. Based on this heading, CVM produces translational and rotational velocity commands, taking into consideration the physical constraints of the robot.

我们重新回顾一下CVM,也就是dwa.
在这里插入图片描述
这里有三个项：与障碍物的距离，heading 误差，速度。我们希望选择与障碍物距离尽量大，朝向终点处的heading的，速度尽量快的路线。当然这些项都要进行正则化，然后才能进行相加。

但是这里面的问题的就是：我们选择了一条cost function最低的路径，极有可能这个路线是忽略了避障方向的，这条路走到底最后就会将你的车走到local optima卡死。因为这条线可能是当前cost function评价规则中最优的路径，但不一定是真正最合理的路径。至少，这个cost function 没有考虑正确的避障方向。于是就有了后面的LCM method.

LCM分为两步：1， lane method, 2, CVM
1, lane method
在这里插入图片描述
这里可以看到，我们将未来的行驶路径使用障碍物信息，将路分成了一个个lane, 这些lane包含的信息有lane width w(k), obj distance d(k), 最小避障角度va(k).在生成这个lane的过程中，有两个规则：1，如果这个lane很窄，且d比相邻两个lane都长，直接合并起来。2，如果相邻两个lane的d非常相近，则这两个lane也合并起来。另外，我们默认车子往前走，后面的障碍物就不去管他。
在这里插入图片描述

对于lane的选择，我们依旧使用cost function minimization的方案：
在这里插入图片描述
这个cost function的这四项分别意思就是，1，希望与障碍物纵向距离d尽量大，2，lane的宽度尽量大，3，heading变化尽量小，4heading command 与当前orientation尽量小。

local heading
如果车辆已经在optimal lane上面行驶了，那么就使用CVM计算最优速度进行控制，如果需要换道，那么需要计算出一个换道需要的heading。方法如下：
在这里插入图片描述
在这里插入图片描述
图中可以看得很清楚，两个上下限为va, ba， 那么这个变道heading的选择hc,应该是在这个上下限之间的，文章选择了delta = 0.5这个系数来计算heading。这样就有换道所需的heading了。

gophae
关注
专栏目录
TEB时间弹速带局部规划算法—— 1.2 TEB调参以及一些优化思路
BigDavid123的博客
08-08 204
详细讲解了TEB调参以及一些优化思路
【移动机器人导航架构】navigation(mose_base)
qq_35635374的博客
10-20 1683
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言一、move_base介绍二、move_base图例及工作流程介绍1.图例2.move_base框架插件输入部分3.move_base工作流程介绍（1）【全局地图建立】（2）【局部地图建立】（3）【定位】（4）【全局规划+局部规划】（5）【recovery_behaviors模块】三、move_base的源码解读1.nav_core【核心接口】（1）BaseGlobalPlanne
DWA论文解析(1)
gophae的博客
04-04 2490
本文解析Dynamic window based approach to mobile robot motion control in the presence of moving obstacles 文章主旨： 文章将全局规划FD*(focused D*)和DWA合起来一起用，由全局规划指导一条不发生碰撞的路径（更重要的是他不会落到局部最优解），然后再用dwa方法去做局部规划。 对于局部最优问题...
DWA论文解析(CurvatureVelovityMethod)(3)
gophae的博客
05-06 1044
本文解析论文the curvature velocity method for local obstacle avoidance 文章的思路和DWA一致，但是本文的侧重点在实时性能的提高上面。做了很多计算加速。 对于DWA的部分我们略过，可以参考之前的博文 DWA论文解析(2) DWA论文解析(1) DWA动态窗口法的原理及应用 与论文中的DWA略有不同的是这里面有一项碰撞距离的cost func...
DWA论文翻译
JunJun
12-11 2880
本文介绍了一种能够令机器人进行自主避障的动态窗口法（dynamic window approach ，DWA）。
路径规划之CVM&DWA类算法分析
qq_19598969的博客
02-25 581
关注同名微信公众号“混沌无形”，阅读更多有趣好文！ 原文链接：机器人空间采样算法研究现状简述（包含原文PDF百度云下载链接） 空间采样算法按照采样空间不同，可分为：状态空间采样和运动空间采样。如图 2.1所示，基于状态空间采样的算法能够在大面积、高纬度的空间中快速生成路径，包括RRT和PRM类算法等，具有概率完备性，其主要步骤包括随机采样、度量连接、碰撞检测和路径查询。基于运动空间采样的算法则在速度空间等距采样，通过评价函数选择最佳控制指令，驱动机器人运动，主要包括CVM类算法及DWA类算法..
【机器人规划】DWA解析
uytguytgf的博客
09-07 4562
动态窗口解析
路径规划算法实战：全局使用a算法，局部采用dwa路径规划算法 完整代码可以直接运行
06-02
在机器人路径规划领域，A*（A-Star）算法和DWA（Dynamic Window Approach）算法是两种广泛应用的方法。本文将深入探讨这两种算法，并结合提供的代码资源`navigation_rosn-master`，来解析它们在实际中的应用。 **一...
ROS常用局部路径规划算法比较
weixin_44504228的博客
06-07 1万+
本博文主要讨论ROS导航包中集成的局部路径规划算法，DWA、TEB、MPC等算法在使用过程中的各自的优缺点。以下均为自己在使用过程中总结的经验及查阅资料得来，如有理解不到位的地方，还希望在评论区多多讨论。 1. 动态窗口法(DWA) 算法简介： DWA算法全称为dynamic window approach，其原理主要是在速度空间（v,w）中采样多组速度，并模拟出这些速度在一定时间内的运动轨迹，并通过评价函数对这些轨迹进行评价，选取最优轨迹对应的速度驱动机器人运动。 动态窗口法与ROS默认局部路径规划算法T
The_Dynamic_Window_Approach_to_Collision_Avoidance
07-12
现在，让我们深入解析DWA算法的核心知识点： - 动态窗口：动态窗口是指在一个短时间段内，机器人可能达到的所有速度和加速度组合的集合。这个窗口会不断根据当前环境和机器人状态进行更新。 - 状态评估：在动态...
基于多机器人协作的未知环境下路径探索研究
07-13
目录 摘要…………………………………………………………………………………………Ⅰ Abstract……………………………………………………………………………………Ⅲ 第1章绪论…………………………………………………………………………………1 1.1课题的背景和意义…………………………………………………………………1 1.2自主导航综述………………………………………………………………………2 1.2.1导航的概念……………………………………………………………………2 1.2.2导航的分类……………………………………………………………………2 1.2.3已知环境下的自主导航技术………………………………………………3 1.2.4未知环境下的自主导航技术………………………………………………8 1.3地图创建……………………………………………………………………………12 1.3.1几种常用的环境表示方法…………………………………………………12 1.3.2快速同时定位与地图生成(fastSLAM)……………………………………14 1.3.3基于视觉的同时定位与地图生成(vSLAM)……………………………16 1.3.4基于拓扑地图的同时定位与地图生成…………………………………18 1.4基于多机器人协作的路径探索综述…………………………………………19 1.4.1协作探索的定义………………………………………………………………19 1.4.2协作探索的国内外研究现状………………………………………………20 1.4.3协作探索中的关键问题……………………………………………………21 1.5本文的主要研究内容……………………………………………………………23 第2章基于速度空间寻优的局部避障方法………………………………………25 2.1引言…………………………………………………………………………………25 2.2速度空间寻优方法………………………………………………………………27 2.2.1曲率-速率法(CVM)…………………………………………………………27 2.2.2巷道-曲率法(LCM)…………………………………………………………28 2.2.3扇区-曲率法(BCM)…………………………………………………………29 2.3从笛卡儿空间到构型空间的转换……………………………………………30 2.4基于扇区分类的BCM改进……………………………………………………33 2.4.1扇区的形成与分类……………………………………………………………33 2.4.2最优扇区的选择………………………………………………………………34 -V-哈尔滨工业大学工学博士学位论文 2.5碰撞检测方法………………………………………………………………………36 2.5.1碰撞预测模型…………………………………………………………………36 2.5.2扩展卡尔曼滤波与速度估计………………………………………………37 2.5.3轨迹预测和碰撞检测方法…………………………………………………39 2.6基于BCM的局部避障实验结果及其分析…………………………………41 2.7本章小结……………………………………………………………………………43 第3章基于拓扑地图的单机器人路径探索………………………………………45 3.1引言…………………………………………………………………………………45 3.2拓扑地图的必要性……………………………………………………………45 3.2.1拓扑地图与逻辑定位…………………………………………………45 3.2.2拓扑地图创建需要解决的关键技术…………………………………47 3.3基于BCM的实时拓扑地图创建方法…………………………………………48 3.3.1新型拓扑地图的定义………………………………………………………48 3.3.2拓扑节点的检测………………………………………………………………49 3.3.3拓扑节点的定位………………………………………………………………50 3.4比例不变特征变换………………………………………………………………54 3.4.1特征提取………………………………………………………………………55 3.4.2特征匹配………………………………………………………………………57 3.5基于拓扑地图的定位算法………………………………………………………58 3.6拓扑地图与其他地图的性能比较实验………………………………………59 3.6.1导航效率对比实验……………………………………………………………59 3.6.2地图维护与更新性能比较…………………………………………………62 3.6.3 SIFT与实时导航的矛盾……………………………………………………63 3.7本章小结……………………………………………………………………………64 第4章基于拓扑地图的多机器人协作路径探索…………………………………65 4.1引言…………………………………………………………………………………65 4.2基于隐马尔可夫模型的节点定位……………………………………67 4.2.1贝叶斯滤波……………………………………………………………………67 4.2.2隐马尔可夫模型………………………………………………………………68 4.3协作策略的选择……………………………………………………………………70 4.3.1基于HMM的拓扑地图拼接………………………………………………71 4.3.2基于市场法的多任务分配…………………………………………………73 4.4基于扫描匹配的混合地图拼接…………………………………………………75 -VI-目录 4.4.1混合地图………………………………………………………………………76 4.4.2基于fastSLAM的栅格地图生成…………………………………………77 4.4.3基于足迹匹配的混合地图拼接……………………………………………81 4.5基于拓扑地图的多机器人协作探索实验……………………………………83 4.5.1地图拼接实验…………………………………………………………………83 4.5.2基于市场法的协作探索实验………………………………………………85 4.6本章小结……………………………………………………………………………88 第5章利用移动感知网提高路径探索效率………………………………………89 5.1引言…………………………………………………………………………………89 5.2移动感知网体系结构……………………………………………………………90 5.2.1总体结构………………………………………………………………………90 5.2.2传感器系统……………………………………………………………………91 5.3无线感知网的节点定位方法……………………………………………………92 5.3.1蒙特卡罗定位………………………………………………………………94 5.3.2基于MCL的节点定位……………………………………………………95 5.3.3基于混合蒙特卡罗Box的节点定位……………………………………96 5.3.4节点定位对比实验…………………………………………………………98 5.4基于移动感知网的多机器人协作路径探索………………………………100 5.4.1利用机器人部署无线感知网节点………………………………………100 5.4.2利用无线感知网减轻无线通讯负担……………………………………101 5.5多机器人协作路径探索实验系统……………………………………………102 5.5.1硬件系统………………………………………………………………………102 5.5.2软件系统………………………………………………………………………103 5.6本章小结…………………………………………………………………………105 结论…………………………………………………………………………………………106 参考文献……………………………………………………………………………………108 攻读博士学位期间所发表的学术论文………………………………………………120 哈尔滨工业大学博士学位论文原创性声明…………………………………………121 哈尔滨工业大学博士学位论文使用授权书…………………………………………121 致谢…………………………………………………………………………………………122 个人简历……………………………………………………………………………………123 -VII-哈尔滨工业大学工学博士学位论文 Contents Abstract(In Chinese)………………………………………………………………………Ⅰ Abstract(In English)………………………………………………………………………Ⅲ Chapter 1 Introduction…………………………………………………………………1 1.1 The Background and Significance of the Research Work……………………1 1.2 Overview of Autonomous Navigation……………………………………………2 1.2.1 Defination of Navigation………………………………………………………2 1.2.2 Classification of Navigation…………………………………………………2 1.2.3 Autonomous Navigation Techniques in Known Environments…………3 1.2.4 Autonomous Navigation Techniques in Unknown Environments………8 1.3 Map Building………………………………………………………………………12 1.3.1 Several Existing Environment Representations…………………………12 1.3.2 Fast Simultaneous Localization and Mapping(fastSLAM)……………14 1.3.3 Vision-based Simultaneous Localization and Mapping(vSLAM)……16 1.3.4 Topological Map-based Simultaneous Localization and Mapping……18 1.4 Overview of Cooperative Path Exploration by Multi-robots………………19 1.4.1 Defination of Cooperative Exploration……………………………………19 1.4.2 State-of-the-art of Cooperative Exploration………………………………20 1.4.3 Critical Problems in Cooperative Exploration……………………………21 1.5 Main Work of Dissatation…………………………………………………………23 Chapter 2 Local Obstacle Avoidance based on Velocity Space Method………25 2.1 Introduction…………………………………………………………………………25 2.2 Velocity Space Method……………………………………………………………27 2.2.1 Curvature Velocity Method(CVM)…………………………………………27 2.2.2 Lane Curvature Method(LCM)……………………………………………28 2.2.3 Beam Curvature Method(BCM)……………………………………………29 2.3 Conversion from Cartesian Space to Configuration Space…………………30 2.4 Improvements on BCM based on Beam Classification………………………33 2.4.1 Formation and Classification of the Beams………………………………33 2.4.2 Selection of the Best Beam…………………………………………………34 -VIII-Contents 2.5 The Prediction Method of Collision……………………………………………36 2.5.1 The Prediction Model of Collision…………………………………………36 2.5.2 Extended Kalman Filter and Velocity Estimation………………………37 2.5.3 Trajectory Prediction and Collision Detection Method…………………39 2.6 The Experimental Result and Analysis of Local Obstacle Avoidance based on BCM……………………………………………………………………………………41 2.7 Summary……………………………………………………………………………43 Chapter 3 Topological Map-based Path Exploration by Single robot………45 3.1 Introduction…………………………………………………………………………45 3.2 Necessity of Topological Map……………………………………………………45 3.2.1 Topological Map and Logic Localization…………………………………45 3.2.2 Critical Techniques to be Resolved in Topological Map Construction 47 3.3 The Method of Realtime Topological Map Building based on BCM………48 3.3.1 The Defination of the Novel Topological Map……………………………48 3.3.2 Detection of the Topological Node…………………………………………49 3.3.3 Localization of the Topological Node………………………………………50 3.4 Scale-invariant Feature Transform………………………………………………54 3.4.1 Feature Extraction……………………………………………………………55 3.4.2 Feature Matching………………………………………………………………57 3.5 Localization based on Topological Map………………………………………58 3.6 Comparative Experiments of the Map Performance between the Topological Map and other Map Representations………………………………………………59 3.6.1 Comparative Experiments on Navigation Efficiency……………………59 3.6.2 Performance Comparison of Map Maintenance and Update……………62 3.6.3 Contradiction between SIFT and Realtime Navigation…………………63 3.7 Summary……………………………………………………………………………64 Chapter 4 Cooperative Path Exploration based on Topological Map by Multi- robot………………………………………………………………………………………65 4.1 Introduction…………………………………………………………………………65 4.2 Node Localization based on Hidden Markov Model(HMM)………………67 4.2.1 Bayes Filter……………………………………………………………………67 4.2.2 Hidden Markov Model………………………………………………………68 4.3 Selection of Coordination Strategy………………………………………………70 -IX-哈尔滨工业大学工学博士学位论文 4.3.1 Topological Map Merging based on HMM………………………………71 4.3.2 Multi-task Allocation based on Market Economy………………………73 4.4 Hybrid Map Merging based on Scan Matching………………………………75 4.4.1 Hybrid Map……………………………………………………………………76 4.4.2 Grid Map Building based on fastSLAM…………………………………77 4.4.3 Hybrid Map Merging based on Footprint Matching……………………81 4.5 Topological Map-based Experiment of Cooperative Path Exploration by Multi-robot………………………………………………………………………………83 4.5.1 The Experiment of Map Merging…………………………………………83 4.5.2 The Experiment of Cooperative Exploration based on Market Economy……………………………………………………………………………85 4.6 Summary……………………………………………………………………………88 Chapter 5 Improve the Efficiency of Path Exploration by Mobile Sensor Networks…………………………………………………………………………………89 5.1 Introduction…………………………………………………………………………89 5.2 Achitecture of Mobile Sensor Networks(MSN)………………………………90 5.2.1 Gross Structure…………………………………………………………………90 5.2.2 Sensor System…………………………………………………………………91 5.3 Node Localization of MSN………………………………………………………92 5.3.1 Monte Carlo Localization……………………………………………………94 5.3.2 Node Localization based on MCL…………………………………………95 5.3.3 Node Localization based on Mixture Monte Carlo Box…………………96 5.3.4 Comparative Experiments of Node Localization…………………………98 5.4 Cooperative Path Exploration by Multi-robot based on MSN……………100 5.4.1 Use Robots to Deploy the Node of MSN…………………………………100 5.4.2 Use MSN to Reduce the Burden of Wireless Communication………101 5.5 The System of Cooperative Path Exploration by Multi-robot…………102 5.5.1 Hardware System……………………………………………………………102 5.5.2 Software System……………………………………………………………103 5.6 Summary……………………………………………………………………………105 Conclusion…………………………………………………………………………………106 References…………………………………………………………………………………108 Papers published in the period of Ph.D.education……………………………120 -X-Contents Statement of copyright…………………………………………………………………121 Letter of authorization…………………………………………………………………121 Acknowledgment…………………………………………………………………………122 Resume………………………………………………………………………………………123
（11-3）其他路径规划算法：DWA算法
最新发布
码农三叔
03-18 1872
DWA算法通过实时地调整机器人的速度和角速度，使其适应动态环境，具有实时性和适应性的优势，常用于移动机器人的导航和路径规划。1基本概念速度空间和角速度空间：DWA算法将机器人的运动空间分为线速度（v）和角速度（ω）两个维度的空间，分别代表机器人在直线和旋转方向上的运动。运动窗口（Dynamic Window）：机器人在速度空间和角速度空间内存在一个运动窗口，表示可行的速度和角速度组合。该窗口考虑了机器人的物理限制、传感器信息和环境条件。
控制原理 | PID控制的三个参数如何影响控制效果？(附参数整定方法)
FRIGIDWINTER的博客
11-20 1万+
PID控制是一种经典的控制算法，广泛应用于各种工业场景。比例控制、积分控制、微分控制三个环节究竟如何影响控制过程？PID三个参数如何调节和整定？本文给出答案
dwa局部规划，超级详细注释，效果用opencv显示
yamida的博客
05-29 3317
dwa算法，实现机器人局部路径规划，效果用opencv显示。 终点坐标随机改变 // dwaapp.cpp // #include "pch.h" #include <iostream> #include <math.h> #include<algorithm> #include <opencv2/core...
路径规划之空间采样算法研究现状简述
qq_19598969的博客
02-25 932
关注同名微信公众号“混沌无形”，阅读更多有趣好文！ 原文链接：机器人空间采样算法研究现状简述（包含原文PDF百度云下载链接） 摘要：运动规划是移动机器人自主导航系统中的重要模块之一，相关算法研究成果层出不穷，本文将空间采样算法拆解为四个子类算法：PRM类算法、RRT类算法、CVM类算法和DWA类算法，并沿时间顺序概述相关算法的发展历程，最后从模型复杂度、实时性、环境适应能力及路径曲线质量等方面分析了上述四类算法的优缺点。 如图 1.2所示，运动规划的研究主要是对多目标多变量多约束耦合的规划..
motion planing相关
星尘逸风的博客
06-30 798
路径规划算法
激光SLAM导航系列(五)局部路径规划
月黑风高云游诗人的博客
06-04 2万+
局部路径规划 局部路径规划简介 机器人在获得目的地信息后，首先经过全局路径规划规划出一条大致可行的路线，然后调用局部路径规划器根据这条路线及costmap的信息规划出机器人在局部时做出具体行动策略，ROS中主要是使用了DWA算法。在ROS中每当move_base处于规划状态就调用DWA算法计算出一条最佳的速度指令，发送给机器人运动底盘执行。DWA算法 DWA算法全称为dynamic wi
路径规划与避障算法(一)---DWA算法概述
热门推荐
weixin_40884570的博客
09-18 3万+
标签（空格分隔）： Planner DWA(动态窗口算法) 算法概述 算法原理可见: https://blog.csdn.net/heyijia0327/article/details/44983551 此方法部分代码来自于ROS_Navigation包的源码,部分来自于项目中的改编: 通过线速度与角速度的交叉组合可以得出多组速度采样空间,依次可以通过车辆运动学模型(自行车模型)得出多组轨迹空间,...
ros navigation 局部路径算法dwa解析（一）
千叶why
10-06 5244
继ros里面A*全局规划之后，再解析局部路径算法dwa的整个算法调用过程，至于细节放到后面的章节去写 dwa的整体思路网上有很多相关的资料了 https://blog.csdn.net/heyijia0327/article/details/44983551具体的可以参看这一篇博客 本篇文章的话只要是说navigation包里面的调用过程，不关心整体思路 前期将局部路径...
动态窗口碰撞避免算法详解：DWA论文深度解析
这篇论文不仅提供了理论基础和详细公式推导，还包含了实际的测试说明和注意事项，以确保读者能够理解和应用DWA算法于实际的机器人系统中。由于该算法的成功应用，自1997年以来，已经被引用了超过1500次，显示出其在...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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