基于图的自主探索路径规划算法gbplanner_ros试用

写在最前：本文纯属标题党，我只是下载了这个包附赠的仿真环境试了试，没有测评exploration算法。

原仓库：gbplanner_ros

这篇来自挪威科技大学的论文提出了一种用于地下环境中基于图的自主探索路径规划的新策略。地下矿洞环境一般来说具有覆盖面积大、狭长走廊多等特点（而我们知道长走廊对slam算法是很不友好的）。

论文信息：

@inproceedings{dang2019graph,
  title={Graph-based path planning for autonomous robotic exploration in subterranean environments},
  author={Dang, Tung and Mascarich, Frank and Khattak, Shehryar and Papachristos, Christos and Alexis, Kostas},
  booktitle={2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  pages={3105--3112},
  year={2019},
  organization={IEEE}
}

下载：Graph-based path planning for autonomous robotic exploration in subterranean environments

github仓库中附上了三个仿真环境：由简单到复杂，最后是实地扫描数据转换成的model组成的world。

首先是一个走廊形状规整的pittsburgh_mine环境，作为面积的对比可以看右下角正方形的100mx100m的ground_plane模型


然后是一个走廊形状不那么规则的edgar_mine环境：


最后是一个由矿洞实地扫描数据生成的dae组成的仿真环境，规模不是很大：


这些仿真环境可以用来很方便地测试矿洞内的无人车、无人机的各种算法。