论文阅读：EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors

最新推荐文章于 2024-06-19 16:04:08 发布
最新推荐文章于 2024-06-19 16:04:08 发布
阅读量1.4k 收藏 19
点赞数 8
文章标签： 机器人 算法 无人机
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/lijiaming550/article/details/135466176
版权

1.框架梳理

在这里插入图片描述

2.某些疑惑的个人后期理解

在这里插入图片描述

  1. 一个控制点Qi为什么有多个{p，v}对呢？
    理解：结合原论文算法1(控制点pv对生成算法)和算法2(ego planner整体流程)，可知算法1循环执行。即控制点首次位于障碍物内部时，生成对应的第1号pv对；在优化过程中，如果该控制点被推至另一个障碍物，则算法1还会被调用，此时会生成属于该控制点的第2号pv对…以此类推

  2. 红色行的j到底是什么含义：表示pv对？还是障碍物(大概率为有效的pv对)？
    理解：一个控制点可以对应多个pv对，故j表示某个控制点对应的所有pv对

  3. 新发现障碍物时，pv对如何增加变化？
    理解：新增加一个障碍物会新增加一个属于该障碍物的pv对，原来的pv对位置保持不变

  4. 如何理解新旧障碍物？
    理解：根据原论文公式1下的描述及后文推理，每一个控制点一旦生成pv对之后p、v保持不变，一个控制点可以拥有多个pv对。当属于某控制点的所有pv对的dij都变为正，则表明控制点进入新障碍物。

  5. dij的正负性？
    理解：dij在障碍物内部就是小于0，障碍物外部才大于0

  6. 均匀b样条的时间间隔等比例放大会有什么问题？
    理解：通过在线软件发现节点间隔均匀变大曲线形状保持不变，时间间隔变大则导致pva变化，则可能导致光滑性的变化

3.参考博客

EGO-Planner：一种无需 ESDF（欧几里得距离场） 梯度的局部路径规划方法

夜晋天明
关注
EGO-Planner详解(1)之论文解读
weixin_45534376的博客
04-18 5144
本系列文章主要解析浙大高飞老师FAST-Lab团队的文章EGO-Planner，该算法作为现在无人机的主流轨迹规划算法值得详细解读，笔者利用自己有限的理解力做一个笔记摘录，若有问题请各位大佬评论区指正。本文主要解析论文部分。
EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors（论文学习）
qq_44101169的博客
06-22 4470
EGO规划器：一种基于ESDF自由梯度的四转子局部规划器 摘要 ESDF地图被广泛运用在局部地图的梯度方向和大小估计之中，但是由于我们在进行轨迹优化的过程中，只用到了ESDF地图中很小的一部分，这造成了极大的计算冗余。在本文中，我们提出了EGO, 其主要改进是通过比较碰撞轨迹和未碰撞轨迹来建立起惩罚项，并将必要的障碍物信息存储起来。如果整条轨迹不满足动力学可行约束，就分配更多的时间。同时，提出了一种各向异性曲线拟合算法，在保持原轨迹形状的同时调整轨迹的高阶导数。(存疑) 本文的贡献如下： (1). 提出了一
ego-planner论文阅读
最新发布
qq_45858842的博客
06-19 965
在无人机的路径规划方法中，基于梯度的方法能够平滑轨迹并利用梯度信息改善其间隙。传统的基于梯度的规划器依赖于预先构建的ESDF图来评估梯度的大小和方向，并使用数值优化来生成局部最优解。尽管优化程序具有快速的收敛性，但它们在事先构造所需的ESDF时却遭受了很大的困难。根据表1的统计，ESDF的计算占据了进行局部规划总处理时间的70 %左右。因此可以说构建ESDF已成为基于梯度的规划器的瓶颈，阻碍了该方法应用于资源受限的平台。
EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors（论文笔记）
YUE__zy的博客
02-25 1564
EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors（论文笔记）主要提出的无预先准备的ESDF欧式符号距离场的规划方法，在Fast-Planner的基础上，摆脱全局ESDF计算的负担，节省大量的计算时间。此外，还提出了时间再分配和轨迹细化，在优化之前分配精确的时间是不合理的，因为规划者不知道最终轨迹的信息。
EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors
zhaoliang38的博客
05-26 2401
EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors
EGO-Planner An ESDF-Free Gradient-Based Local Plan for Quadrotors
qq_41867176的博客
02-07 995
欧氏符号距离场（Euclidean Signed Distance Field，ESDF）常用于估计梯度大小和方向轨迹规划只在ESDF很小的子空间进行，更新整个ESDF不必要本文提出ESDF-free的基于梯度的规划框架罚函数的碰撞项基于对比有碰撞的轨迹和无碰撞的引导路径，只有轨迹碰撞新的障碍物时规划器才提取必要的障碍物信息若轨迹是动力学不可行的，则延长轨迹的时间轨迹建模为均匀B样条曲线Φ\PhiΦ，其次数为pbp_bpb​NcN_cNc​个控制点为Q1Q2。
史上最详细讲解EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors论文思路和关键代码
jiayoushijie的博客
05-29 2377
本篇论文针对目前 ESDF 在无人机轨迹优化中存在的冗余计算问题,提出了一种高效的 ESDF-free 方法EGO-Planner。通过只存储轨迹实际经过的障碍物信息,构建了考虑平滑、避障和动力学约束的目标函数,并应用 L-BFGS 进行数值优化,最终生成高质量的轨迹。同时还引入轨迹细化技术提高了轨迹可行性。大量实验表明,该方法大幅降低了计算开销,具有很高的工程实用价值。作者开源的项目代码,极大方便了算法的学习和应用。这是一篇在无人机局部规划领域非常有价值的工作。
ego-planner-swarm 注释版
06-04
通过阅读ego-planner-swarm的注释版源码，你可以学习到以下内容： - 如何实现概率道路图或随机树算法。 - 机器人如何处理环境感知和动态避障。 - 如何设计并实现多机器人系统的通信和协调机制。 - 在实际应用中如何...
ego-planner-swarm
04-30
cd ego-planner-swarm catkin_make -j1 source devel/setup.bash roslaunch ego_planner simple_run.launch 如果您觉得这项工作有用或有趣，请给我们加星 :star: ， 谢谢！ :grinning_face: 致谢 这项工作将扩展到了...
EGO-Planner.pdf
03-05
### EGO-Planner: An ESDF-Free Gradient-Based Local Planner for Quadrotors #### 概述 EGO-Planner是一种专为四旋翼飞行器设计的局部路径规划算法，该算法采用基于梯度的方法来优化飞行路径。与传统的基于...
ego-planner+PX4自定义控制器V1版本
04-07
开发者可以通过阅读源代码，理解ego-planner和PX4的结合方式，以及如何在实际飞行任务中应用这些技术。 总之，ego-planner+PX4自定义控制器V1版本是无人机自主导航领域的创新实践，通过结合先进的路径规划算法和...
论文速览 | Arxiv, 2024 | EFEAR-4D: Ego-Velocity Filtering for Efficient and Accurate 4D radar Odometry |
NLOS的博客
05-27 55
本文提出了一种高效且准确的4D雷达里程计估计方法——EFEAR-4D，通过自车速度滤波和区域特征提取，实现了在各种复杂环境中的稳健定位。实验结果表明，EFEAR-4D在多种挑战性环境下优于现有的视觉和LiDAR方法，展现了4D雷达在稳健和准确定位方面的巨大潜力。未来的研究将致力于传感器融合和算法优化，以进一步提升4D雷达里程计的性能。
经典文献阅读之--EGO-Planner(无ESDF的四旋翼局部规划器)
lovely_yoshino的博客
09-25 8930
作为局部规划器而言，当机器人或无人机想要避开动态障碍物时。局部规划器就显得尤为重要了。其中基于梯度的规划器被广泛用于四旋翼无人机的局部规划，其中欧几里得符号距离场（ESDF）对于评估梯度幅度和方向至关重要。然而，由于轨迹优化过程仅覆盖了ESDF更新范围的一个非常有限的子空间，因此计算这样一个场具有很大的冗余性。》一文提出了一种无ESDF的基于梯度的规划框架，它显著地减少了计算时间。其中主要改进是，惩罚函数中的碰撞项是通过比较碰撞轨迹和无碰撞引导路径来制定的。
EGO-Planner详解(2)之EGO-Planner2及MINCO论文解读
weixin_45534376的博客
05-06 2259
本系列文章主要解析浙大高飞老师FAST-Lab团队的文章EGO-Planner，该算法作为现在无人机的主流轨迹规划算法值得详细解读，笔者利用自己有限的理解力做一个笔记摘录，若有问题请各位大佬评论区指正。本文主要解析论文EGO-Planner2的非集群部分，即那篇大名鼎鼎的上了Science Robotics封面的Swarm of micro flying robots in the wild。
EGO_Plannerv2代码学习（一）：栅格建图之V1 V2的区别
qq_41069236的博客
09-04 2596
最近在尝试将高飞老师的集群规划器部署到真实无人机上跑一下，开这个新帖记录下学习过程中的问题和想法。
无人机路径规划3：ego-planner三维运动规划实现
dueen1123的博客
03-28 9568
XTDrone实现ego-planner 编译ego-palnner cp -r ~/XTDrone/motion_planning/3d/ego_planner ~/catkin_ws/src/ cd ~/catkin_ws/ catkin_make #或catkin build 遇到报错，安装各种依赖库，把显示未安装的全部安装一遍 apt search occupancy
Ego_planner复现
weixin_63883896的博客
08-30 5355
高飞老师已经开源ego_planner项目，并且有较为详细的安装和使用步骤，看他的足矣，写此文章，作为记录。
EGO-Planner：一种无需 ESDF（欧几里得距离场） 梯度的局部路径规划方法
热门推荐
世界仙境与冷酷尽头's Blog
09-27 1万+
EGO-Planner：一种无需 ESDF（欧几里得距离场） 梯度的局部路径规划方法
ego-planner代码框架
05-30
Ego-Planner是一个基于ROS的路径规划器，它可以在给定的地图和起点、终点信息下，生成一条可行的路径。以下是Ego-Planner的代码框架： 1. 首先需要定义一个EgoPlanner类，其中包含了一些必要的成员变量和函数。 ```c++ class EgoPlanner { private: ros::NodeHandle nh_; ros::Subscriber sub_map_; ros::Subscriber sub_pose_; ros::Subscriber sub_goal_; ros::Publisher pub_path_; nav_msgs::OccupancyGrid map_; geometry_msgs::PoseStamped start_; geometry_msgs::PoseStamped goal_; public: EgoPlanner(); // 构造函数 ~EgoPlanner(); // 析构函数 void mapCallback(const nav_msgs::OccupancyGrid::ConstPtr& msg); // 地图回调函数 void poseCallback(const geometry_msgs::PoseStamped::ConstPtr& msg); // 当前位置回调函数 void goalCallback(const geometry_msgs::PoseStamped::ConstPtr& msg); // 目标位置回调函数 void plan(); // 路径规划函数 }; ``` 2. 在构造函数中，需要完成ROS节点的初始化、订阅和发布话题的设置。 ```c++ EgoPlanner::EgoPlanner() { nh_ = ros::NodeHandle("~"); sub_map_ = nh_.subscribe("map", 1, &EgoPlanner::mapCallback, this); sub_pose_ = nh_.subscribe("pose", 1, &EgoPlanner::poseCallback, this); sub_goal_ = nh_.subscribe("goal", 1, &EgoPlanner::goalCallback, this); pub_path_ = nh_.advertise<nav_msgs::Path>("path", 1); } ``` 3. 在地图、当前位置和目标位置的回调函数中，需要将接收到的信息保存到对应的成员变量中。 ```c++ void EgoPlanner::mapCallback(const nav_msgs::OccupancyGrid::ConstPtr& msg) { map_ = *msg; } void EgoPlanner::poseCallback(const geometry_msgs::PoseStamped::ConstPtr& msg) { start_ = *msg; } void EgoPlanner::goalCallback(const geometry_msgs::PoseStamped::ConstPtr& msg) { goal_ = *msg; } ``` 4. 在路径规划函数中，需要调用路径规划算法，生成一条可行的路径，并将路径发布出去。 ```c++ void EgoPlanner::plan() { // 调用路径规划算法，生成一条可行的路径 std::vector<geometry_msgs::PoseStamped> path = pathPlanning(map_, start_, goal_); // 将路径发布出去 nav_msgs::Path path_msg; path_msg.header.frame_id = "map"; path_msg.header.stamp = ros::Time::now(); path_msg.poses = path; pub_path_.publish(path_msg); } ``` 5. 在主函数中，创建EgoPlanner对象，并进入ROS循环。 ```c++ int main(int argc, char** argv) { ros::init(argc, argv, "ego_planner"); EgoPlanner planner; ros::Rate rate(10); while (ros::ok()) { planner.plan(); ros::spinOnce(); rate.sleep(); } return 0; } ``` 以上就是Ego-Planner的代码框架，其中路径规划算法需要根据具体情况进行选择和实现。
评论 1
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