Online Quadrotor Trajectory Generation and Autonomous Navigationon Point Clouds 点云上的在线四旋翼轨迹生成和自主导航

点云上的在线四旋翼轨迹生成和自主导航

摘要

在本文中，我们提出了一种直接在点云上在线生成自主四旋翼飞行安全轨迹的框架。考虑到四旋翼机在未知环境中运行，我们使用三维激光测距仪进行状态估计，同时构建环境的点云图。基于增量构建的点云地图，我们利用KD树中快速最近邻搜索的特性，采用基于采样的路径查找方法，在三维空间中生成具有安全保障的飞行走廊。然后使用在二次约束二次规划（QCQP）中制定的轨迹生成方法来生成完全约束在走廊内的轨迹。我们的方法在100毫秒内运行，适合在线重新规划。我们将所提出的规划方法与基于激光的状态估计和映射模块相结合，并演示了在未知室内和室外环境中的自主四旋翼飞行。

1、介绍

微型飞行器（MA-V），尤其是四旋翼飞行器，由于其在人类或其他地面车辆无法接近或危险的复杂环境中的卓越机动性，已越来越受到安全和安保任务的关注。在搜索和救援任务中，四旋翼机应能够在线生成并执行从起始位置到目标位置的平滑安全轨迹，同时避免意外障碍。在本文中，我们建立在用于大规模未知环境中状态估计和映射的最先进的基于激光的解决方案[1]的基础上，并提出了一种直接在点云上操作的在线轨迹生成方法，以实现安全的空中导航。我们将所有模块集成到一个完整的系统中，并提供在线实验结果。

给定车辆状态的估计，已经提出了许多方法来将车载传感器生成的距离测量值转换为全球地图。代表性方法包括体素网格[2]、八角图[3]、高程图[4]等。这些方法中的每一种在特定环境中都有优缺点。例如，体素网格对于小体积的细粒度表示很好，但存储复杂度缩放很差。当表示具有大型开放空间的环境时，Octomap是内存高效的，其代价是昂贵的地图结构维护。立面图对于表示主要由垂直墙组成的人造结构很有用，但在表示自然场景时效率较低。在本文中，我们选择直接在全球注册的点云上规划轨迹，而不是使用后处理的地图。这绕过了昂贵的地图绘制过程，并实现了对不同环境的最佳适应性，这是搜索和救援任务的关键要求之一。如Mellinger等人[5]所述，四旋翼系统具有差分平坦度特性，可以将全状态空间减小到三维位置和偏航角及其导数。因此，具有有界导数的三维位置的平滑分段多项式轨迹可以由适当设计的几何控制器跟随[6]。我们利用这一特性，设计了一种使用凸优化直接在点云上生成无碰撞平滑轨迹的新方法。我们的方法采用了一种随机飞行走廊生成方法，该方法利用KD树上的快速邻居搜索[7]，然后是基于优化的多项式轨迹生成器。我们的贡献总结如下：

（1）一种基于采样的快速探索随机图（RRG）方法，结合A*路径查找算法，用于查找由多个重叠的自由空间球组成的无碰撞飞行走廊。

（2）一种基于二次约束二次规划（QCQP）的轨迹生成方法，在安全保证的情况下在飞行走廊内运行。

（3）实时实现，100毫秒内在线地图更新和轨迹（重新）生成，实现未知复杂环境的在线导航和探索。

（4）与状态估计和映射模块集成，并在未知的室内和室外环境中进行在线实验

我们在第节讨论相关文献。二、 并在第节中介绍了系统的总体架构。三、 基于激光的状态估计和映射是我们方法的先决条件，在第节中介绍。四、 我们的走廊生成和轨迹优化方法详见第节。V和第。VI。在第七节给出了实现细节、仿真和实验结果。论文在第八节中总结。

2、相关工作

机器人运动/轨迹规划有大量算法和应用，从基于采样的方法[8]到基于优化的方法[5]。这里，我们概述了与四旋翼轨迹规划任务相关的方法。

[9]中的方法将固定最终状态和自由最终时间控制器与快速探索随机树*（RRT*）方法相结合，以确保渐近最优性。通过这种方式，可以导出最优轨迹的闭式解。Karaman和Frazzoli[10]提出了RRG方法，这是RRT算法的一个扩展，因为它不仅将新样本连接到最近的节点，而且还连接到球内的所有其他节点。Bry和Roy等人提出了另一种结合RRG和信念路线图的方法[11]，其中引入了部分排序来权衡信念和距离。

基于控制的方法也可用于解决规划和避障问题。[12] 考虑了线性四旋翼模型，并提出了线性二次高斯（LQG）障碍物集来表示导致碰撞的目标状态。只要目标状态不在此集合内，就可以生成安全控制命令。[13]中提出了一种用于类似目的的后退地平线控制策略。

Mellinger等人[5]首创了一种最小快照轨迹生成算法。有大量的后续工作。[14]中提出了一种混合整数二次规划（MIQP），以在异构四旋翼团队中强制避免静态障碍和其他代理。[15]中提出了具有封闭形式解的无约束二次规划（QP），其中RRT*用于找到可行的直线路径，然后是基于航路点的轨迹。如果轨迹与障碍物相交，则添加额外的中间航路点，并再次生成